結(jié)構(gòu)化數(shù)據(jù)
PUT /my_index
{
"mappings": {
"address": {
"properties": {
"postcode": {
"type": "string",
"index": "not_analyzed"
}
}
}
}
}
索引一些postcode
PUT /my_index/address/1
{ "postcode": "W1V 3DG" }
PUT /my_index/address/2
{ "postcode": "W2F 8HW" }
PUT /my_index/address/3
{ "postcode": "W1F 7HW" }
PUT /my_index/address/4
{ "postcode": "WC1N 1LZ" }
PUT /my_index/address/5
{ "postcode": "SW5 0BE" }
prefix前綴查詢
為了找到所有以W1開始的郵編，可以使用prefix
GET /my_index/address/_search
{
"query": {
"prefix": {
"postcode": "W1"
}
}
}
prefix查詢是一個詞級別的底層查詢，它不會在搜索之前分析查詢字符串。
默認(rèn)情況prefix查詢不做相關(guān)度評分計算，只是將所有匹配的文檔返回
prefix查詢和prefix過濾器這兩者實際的區(qū)別就是過濾器是可以被緩存的，而查詢不行。
es只能在倒排索引中找到存在的詞，但是我們并沒有對這些postcode索引進行特殊處理。
那么prefix查詢是如何工作的呢？
索引如下：
Term: Doc IDs:
-------------------------
"SW5 0BE" | 5
"W1F 7HW" | 3
"W1V 3DG" | 1
"W2F 8HW" | 2
"WC1N 1LZ" | 4
-------------------------
1、掃描詞列表并查找到第一個以W1開始的詞。
2、搜集關(guān)聯(lián)的文檔ID。
3、移動到下一個詞。
4、如果這個詞也是以W1開頭，查詢跳回到第二步再重復(fù)執(zhí)行，知道下一個詞不為W1為止。
前綴越多所需訪問的詞越多，當(dāng)字段中詞的集合很小時，可以放心使用。
通配符與正則表達(dá)式查詢
wildcard通配符查詢也是一種底層基于詞的查詢，使用標(biāo)準(zhǔn)的shell通配符查詢
?匹配任意字符，*匹配0或多個字符
GET /my_index/address/_search
{
"query": {
"wildcard": {
"postcode": "W?F*HW" (1)
}
}
}
regexp正則式查詢
GET /my_index/address/_search
{
"query": {
"regexp": {
"postcode": "W[0-9].+" (1)
}
}
}
wildcard和regexp查詢的工作方式與prefix查詢完全一樣。這需要注意性能問題。
數(shù)據(jù)在索引時的預(yù)處理有助于提高前綴匹配的效率，而wildcard和regexp查詢只能在查詢時完成。
prefix、wildcard、regexp查詢是基于詞操作的，如果用他們來查詢analyzed字段，它們會檢查字段里面的每個詞，而不是將字段作為整體來處理。
需要注意的是“Quick”在索引里是“quick”
查詢時輸入即搜索（即時搜索instant search）
短語匹配match_phrase的一種特殊形式，match_phrase_prefix
{
"match_phrase_prefix" : {
"brand" : "johnnie walker bl"
}
}
查詢行為與match_phrase一致，但是只使用最后一個詞作為前綴使用
接受slop參數(shù)
同樣也存在資源消耗問題，可以通過設(shè)置max_expansions參數(shù)來限制前綴擴展的影響，控制可以與前綴匹配詞的數(shù)量
{
"match_phrase_prefix" : {
"brand" : {
"query": "johnnie walker bl",
"max_expansions": 50
}
}
}
需要注意：每當(dāng)用戶多輸入一個字符時，查詢又會執(zhí)行一遍。
索引時優(yōu)化
Ngrams在部分匹配的應(yīng)用
單個詞的查找 要比 在詞列表中盲目挨個查找的效率要高得多。在搜索之前準(zhǔn)備好供部分匹配的數(shù)據(jù)可以提高搜索的性能。
在索引時準(zhǔn)備數(shù)據(jù)以為著要選擇合適的分析連，這里部分匹配使用的工具是n-gram。
可以將n-gram看成一個在詞語上滑動窗口，n代表這個窗口的長度
長度 1（unigram）： [ q, u, i, c, k ]
長度 2（bigram）： [ qu, ui, ic, ck ]
長度 3（trigram）： [ qui, uic, ick ]
長度 4（four-gram）： [ quic, uick ]
長度 5（five-gram）： [ quick ]
