ElasticSearch学习笔记七：ES查询（二）

一、前言

在前面的文章我们学习了ES的一些基本查询，同时用Java全部实现了一遍，今天我们继续深入学习一下ES的查询。

二、Term级别查询

在 Elasticsearch 中，Term 级别查询用于精确匹配字段值。与全文搜索不同，Term 级别查询不会进行分词处理，而是直接匹配字段的完整值。这使得 Term 级别查询非常适合用于精确匹配、过滤和聚合操作。

1、Term查询

Term是ES中用于精确匹配的关键字，可以理解为Mysql中的等于，例如我现在想搜索城市是“北京”的酒店就可以这么写：

GET /hotel/_search
{"query": {"term": {"city": {"value": "北京"}}}
}
这段DSL翻译成Mysql就是 select * from hotel where `city` = '北京'

需要注意的是，尽量避免使用Term去查询Text类型的数据，因为Text会被分词，这会导致精准匹配变得困难，如果想搜索Text类型的数据可以使用Match（后面也会讲）

2、Terms查询

和Term类型，Terms也适用于精准匹配，但从名字上我们可以看出Terms是复数形式，意味着他可以支持多个条件（当然Term结合bool查询也能实现），例如我们现在想查询城市是青岛或者北京的酒店就可以这么写

GET /hotel/_search
{"query": {"terms": {"city": ["青岛","北京"]}}
}
这段DSL翻译成Mysql就是 select * from hotel where `city` in ('北京','青岛')

terms默认最多支持65,536个值，如果要修改的话可以修改该参数 index.max_terms_count

3、Terms Set

terms_set 是 Elasticsearch 中的一种查询类型，用于执行基于集合的条件查询。与普通的 terms 查询不同，terms_set 查询允许你定义更复杂的条件，例如集合中元素的数量必须满足某些条件。

PUT /programmer
{"mappings": {"properties": {"name":{"type": "keyword"},"skill":{"type": "keyword"},"required_matches":{"type":"Integer"}}}
}我们的程序员索引有两个字段，姓名和技能，同时我们写入数据
POST /programmer/_bulk
{"index":{"_index":"programmer","_id":"1"}}
{"name":"张三","skill":["Java","C++","Python","JavaScript"],"required_matches":2}
{"index":{"_index":"programmer","_id":"2"}}
{"name":"李四","skill":"Python","required_matches":1}
{"index":{"_index":"programmer","_id":"3"}}
{"name":"王五","skill":["C++","Python"],"required_matches":2}

现在我们查询会C++、Python的程序员且至少会其中的几种的，在上述的文档里，张三我们设置的需要匹配（required_matches字段）等于2，李四=1，王五=2，此时我们的DSL如下

GET /programmer/_search
{"query": {"terms_set": {"skill": {"terms": [ "C++", "Python"],"minimum_should_match_field":"required_matches"}}}
}结果如下
#! Elasticsearch built-in security features are not enabled. Without authentication, your cluster could be accessible to anyone. See https://www.elastic.co/guide/en/elasticsearch/reference/7.17/security-minimal-setup.html to enable security.
{"took" : 878,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 3,"relation" : "eq"},"max_score" : 0.7876643,"hits" : [{"_index" : "programmer","_type" : "_doc","_id" : "1","_score" : 0.7876643,"_source" : {"name" : "张三","skill" : ["Java","C++","Python","JavaScript"],"required_matches" : 2}},{"_index" : "programmer","_type" : "_doc","_id" : "3","_score" : 0.7876643,"_source" : {"name" : "王五","skill" : ["C++","Python"],"required_matches" : 2}},{"_index" : "programmer","_type" : "_doc","_id" : "2","_score" : 0.17426977,"_source" : {"name" : "李四","skill" : "Python","required_matches" : 1}}]}
}

可以看到所有的文档都返回了，我们来分析一下为什么结果是这样的。

（1）首先我们的查询条件是跟据skill字段terms精准匹配

（2）minimum_should_match_field使用的是 required_matches字段

（3）terms的值为C++和Python，张三会 “Java”,“C++”,“Python”,“JavaScript”，同时只需要满足两个就算匹配上，很显然是符合条件的，所以张三返回

（4）李四，虽然李四只会Python但是他设置的是只要满足一个条件就算匹配上，所以李四也匹配上了。

（5）最后王五，也是同样的道理。所以这次返回了张三、李四、王五。

4、exists

exists不是用来查询文档的，而是用来查询索引的，比如我们想看那些索引包含指定的字段，例如我想查看包含“skill”字段的索引就可以用exists

GET /_search
{"query": {"exists": {"field": "skill"}}
}

5、Range

Rang，用于范围匹配，例如我们想查询价格300~500的酒店，DSL可以这么写

GET /hotel/_search
{"query": {"range": {"price": {"gte": 300,"lte": 500}}}
}
这个DSL翻译成SQL 就是 select * from hotel where price >= 300 and price <=500

range可用的参数有

gt（greater than ）：大于

gte（greater than or equal）：大于等于

lt（less than）：小于

lte（less than or equal）：小于等于

format：格式化，用于日期类型比较

6、prefix

前缀匹配，有点类似于Mysql中的前缀模糊匹配，需要注意的是prefix 查询默认是不适用于 text 类型字段的。这是因为 text 字段在索引时会被分析器（analyzer）拆分成多个词项（tokens），而 prefix 查询则需要匹配完整的前缀。比如我们想搜索张开头程序员，DSL就可以这么写

GET /programmer/_search
{"query": {"prefix": {"name": {"value": "张"}}}
}

7、IDs

IDs查询，就是根据文档的ID查询，这个没有太多东西可以说

GET /hotel/_search
{"query": {"ids" : {"values" : ["001","002"]}}
}

8、Fuzzy

Fuzzy查询，模糊查询或者说近似匹配，例如电商的里的搜索场景

-  用户输入的查询词可能存在拼写错误，Fuzzy 查询可以帮助返回与拼写错误相似的结果。 
-  例如，用户搜索 "aple" 时，Fuzzy 查询可以返回 "apple" 相关的结果。 这里先举个例子，后面再详细学习

GET /_search
{"query": {"fuzzy": {"user.id": {"value": "ki","fuzziness": "AUTO","max_expansions": 50,"prefix_length": 0,"transpositions": true,"rewrite": "constant_score"}}}
}