目录
一、简介
二、term精确匹配
三、match模糊匹配
三、总结
一、简介
在elasticsearch中，查询主要使用到两个：term和match，本篇文章将总结一下两者的区别。
- term：代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词解析，直接对搜索词进行查找；
- match：代表模糊匹配，搜索前会对搜索词进行分词解析，然后按搜索词匹配查找；
一般模糊查找的时候，多用match，而精确查找时可以使用term。
二、term精确匹配
term查询是直接通过倒排索引指定的词条进行查找的，所以，很显然，term查询效率肯定比match要高。
首先创建一个索引member，并插入几条测试数据，相关命令如下：
PUT /member/info/1
{
"name": "张三",
"age": 20
}
PUT /member/info/2
{
"name": "张无忌",
"age": 50
}
PUT /member/info/3
{
"name": "李四",
"age": 30
}插入完成，观察索引里面的数据，如下图所示：
- 查询name中精确匹配"张"的数据
GET /member/info/_search
{
"query": {
"term": {
"name": "张"
}
}
}
由上图可见，两条数据都能查询出来，只要name里包含"张"关键字的数据都查出来了 。
如果我们只想精确匹配"张三"这个词，来看看下面的例子。
- 查询name中精确匹配"张三"的数据
GET /member/info/_search
{
"query": {
"term": {
"name": "张三"
}
}
}
我们发现，查询出来显示无数据，从概念上看，term属于精确匹配，只能查单个词。
如果我们想通过term匹配多个词的话，可以使用terms来实现：
GET /member/info/_search
{
"query": {
"terms": {
"name": ["张","三"]
}
}
}
可以看到，两条数据都成功返回，因为terms里的[ ] 多个搜索词之间是or（或者）关系，只要满足其中一个词即可。
如果我们想要同时满足两个词精确匹配的话，就得使用bool的must来做，如下：
GET /member/info/_search
{
"query": {
"bool": {
"must": [
{
"term": {
"name": "张"
}
},
{
"term": {
"name": "三"
}
}
]
}
}
}
可以看到，此时只会返回一条满足条件的记录。
由于前面我们创建索引库member时并没有指定字段的类型，都是es默认生成的类型。
可以看到，默认生成的name字段是text类型。
下面我们看看是如何进行分词处理的？
GET member/_analyze
{
"text" : "张三"
}
分析出来的为"张"和"三"的两个词，而term只能完完整整的匹配上面的词，不做任何改变的匹配。
扩展： 两种数据类型：text和keyword
- text：查询时会进行分词解析；
- keyword：keyword类型的词不会被分词器进行解析，直接作为整体进行查询；
下面我们通过简单的示例说明一下text和keyword的区别。我们先创建一个test索引库：
PUT /test
{
"mappings": {
"properties": {
"name": {
"type": "text"
},
"desc": {
"type": "keyword"
}
}
}
}
下面我们插入几条测试数据：
PUT /test/_doc/1
{
"name":"马士兵java name",
"desc": "马士兵java desc"
}
PUT /test/_doc/2
{
"name":"马士兵java name",
"desc": "马士兵java desc2"
}
查看test索引库信息，可以看到我们指定的mappings，如下图：
- 通过keyword类型的分词器进行解析
GET _analyze
{
"analyzer": "keyword",
"text":"马士兵java name"
}
可以看到，使用keyword类型分词器时，搜索关键字并不会被分词器进行解析，直接作为一个整体词。
- 通过standard类型的分词器进行解析
GET _analyze
{
"analyzer": "standard",
"text":"马士兵java name"
}
可以看到，text类型的话搜索关键字将会被拆分为一个一个词，而前面的keyword类型的话不会被拆分，会当做一个整体。
- 查询name字段中含有"马"的记录
GET test/_search
{
"query": {
"term": {
"name": "马"
}
}
}
可以看到，因为name字段是text类型，查询时候会被分词器分析，所以两条记录都成功查询出来。
- 查询desc字段中含有"马士兵java desc"的记录
GET test/_search
{
"query": {
"term": {
"desc": "马士兵java desc"
}
}
}
可以看到，只返回一条记录，原因是desc字段是keyword类型，查询时候不会被分词器进行解析，作为一个整体查询。
keyword类型的字段不会被分词器解析，text类型的字段会被分词拆分后才进行查询。
三、match模糊匹配
- 查询姓名中匹配含"张三"这个词的数据
GET member/info/_search
{
"query": {
"match": {
"name": "张三"
}
}
}
通过上图，我们可以看到两条记录都被查询出来的，因为match进行搜索的时候，会先进行分词拆分，拆完后，再来匹配。
"张三"被拆分解析为"张"和"三"两个词，所以只要name字段中包含"张"或者"三"的数据都能够匹配上。
如果想 "张"和"三"同时匹配到的话，那么可以使用 match_phrase，来看下面的例子：
match_phrase称为短语搜索，要求所有的分词必须同时出现在文档中，同时位置必须紧邻一致。
可以看到，此时只会匹配出一条满足条件的记录。
三、总结
本文主要介绍了es中常用的两种查询方式：term和match。
- term：代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词解析，直接对搜索词进行查找；
- match：代表模糊匹配，搜索前会对搜索词进行分词解析，然后按分词匹配查找；
- term主要用于精确搜索，match则主要用于模糊搜索；
- term精确搜索相较match模糊查询而言，效率较高；
同时总结了两种数据类型：text和keyword。
- text：查询时会进行分词解析；
- keyword：keyword类型的词不会被分词器进行解析，直接作为整体进行查询；
由于笔者水平有限，如文中有不对之处，还望指正，相互学习，一起进步！
