elasticsearch的match_phrase_prefix查询怎么使用

本文小编为大家详细介绍“elasticsearch的match_phrase_prefix查询怎么使用”，内容详细，步骤清晰，细节处理妥当，希望这篇“elasticsearch的match_phrase_prefix查询怎么使用”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

match_phrase

match_phrase_prefix可以认为是match_phrase的增强版本，所以先了解一下match_phrase。

match_phrase词组匹配会先解析检索词，并且标注出每个的token相对位置，搜索匹配的字段的必须包含所有的检索词的token，并且他们的相对位置也要和检索词里面相同。

在《系统学习ElasticSearch》中，有很好的例子：

# DSL语句
GET /tehero_index/_doc/_search
{
  "query":{
    "match_phrase":{
      "content.ik_smart_analyzer":"系统编程"
    }
  }

DSL执行步骤分析：

1）检索词“系统编程”被分词为两个Token【系统，Position=0】【编程，Position=1】；

2）倒排索引检索时，等价于sql：【where Token = 系统 and 系统_Position=0 and Token = 编程 and 编程_Position=1】；

如果我们不要求这两个单词相邻，希望放松一点条件，可以添加slop参数，slop代表两个token之间相隔的最多的距离（最多需要移动多少次才能相邻）。

match_phrase_prefix

与match_phrase查询类似，但是会对最后一个Token在倒排序索引列表中进行通配符搜索。

# DSL语句
GET /tehero_index/_doc/_search
{
  "query":{
    "match_phrase":{
      "content.ik_smart_analyzer":"我编程系"
    }
  }

这个分词的结果会是“我”、“编程”、“系”。

“我”和“编程”是精确匹配，“系”是前缀匹配，等价于sql：【where Token = ‘我’ and 我_Position=0 and Token = ‘编程’ and 编程_Position=1 and (Token_Position=2 and Token like ‘系%’)】

需要注意的点

elasticsearch的官网文档上，有match_phrase_prefix的完整参数结构：

• query，查询的关键字

• analyer，对关键字使用的分词器

• max_expansions，最后一个term做前缀匹配时的最大拓展数，默认是50

• slop，与match_phrase的slop相同，允许term之间的最大间隔

• zero_terms_query，经过analyer解析后，没有任何term时，不返回数据，还是返回全部数据。默认返回全部数据。

max_expansions是非常重要的一个参数，需要留意下，不然很容易出现与我们期望不符合的情况。

• 在工作中，我试过使用match_phrase_prefix来匹配手机号，但是出现了一些奇怪的现象：

• 测试的手机号是“123454688885555”，使用match_phrase_prefix，关键字是“12345”来查询指定租户下的数据，没有返回任何文档。把关键字换成“1234546”，正确返回了对应的文档。

为什么会这样呢？为什么12345就不返回，1234546就返回了？

个人是这样觉得的：

• 手机号虽然存在es中是字符串，但是字符串的内容是数字，分词器并不会对它进行分词，也就是一个手机号就是一个term

• 在测试数据中，数据有5000条，每条数据的手机号码都是不一样的，也就是说，手机号这样的term有5000个。

• max_expansions默认是50，也就是说，会把12345拓展出以12345为开头的额外50个term，例如123456、1234546、123456898…

• 最后将拓展出来的term也用于查询

为什么我会认为是这样的过程呢？

elasticsearch除了会构建倒排索引之外，还会在所有的term构建一个term dictionary （词典）和term index（词索引，印象是跳跃表结构），帮助查找。

当出现前缀匹配的时候，可以在term index和term dictionary中快速找到对应开通的term。

根据max_expansions的值，拿到指定个数的term。

12345查不到数据，1234546能查找，明显是1234546更精确，1234546拓展出来的term中包含了那个完整的手机号码123454688885555。

在查询这个参数相关的文章的时候，发现：

• 有的人认为这个数值是值通配符，值是50，就能模糊匹配多关键字之后50的字符的term。有的人认为这个数值是匹配的文档数，值是50，则匹配50个文档，返回这50个文档中命中的部分。

• 这都是不对的，明显与手机号的实验不符。

• 《系统学习ElasticSearch》中对max_expansions的描述就像是占位符。

读到这里，这篇“elasticsearch的match_phrase_prefix查询怎么使用”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注亿速云行业资讯频道。