您好,登錄后才能下訂單哦!
本文小編為大家詳細(xì)介紹“elasticsearch的match_phrase_prefix查詢?cè)趺词褂谩保瑑?nèi)容詳細(xì),步驟清晰,細(xì)節(jié)處理妥當(dāng),希望這篇“elasticsearch的match_phrase_prefix查詢?cè)趺词褂谩蔽恼履軒椭蠹医鉀Q疑惑,下面跟著小編的思路慢慢深入,一起來學(xué)習(xí)新知識(shí)吧。
match_phrase_prefix可以認(rèn)為是match_phrase的增強(qiáng)版本,所以先了解一下match_phrase。
match_phrase詞組匹配會(huì)先解析檢索詞,并且標(biāo)注出每個(gè)的token相對(duì)位置,搜索匹配的字段的必須包含所有的檢索詞的token,并且他們的相對(duì)位置也要和檢索詞里面相同。
在《系統(tǒng)學(xué)習(xí)ElasticSearch》中,有很好的例子:
# DSL語(yǔ)句 GET /tehero_index/_doc/_search { "query":{ "match_phrase":{ "content.ik_smart_analyzer":"系統(tǒng)編程" } }
DSL執(zhí)行步驟分析:
1)檢索詞“系統(tǒng)編程”被分詞為兩個(gè)Token【系統(tǒng),Position=0】【編程,Position=1】;
2)倒排索引檢索時(shí),等價(jià)于sql:【where Token = 系統(tǒng) and 系統(tǒng)_Position=0 and Token = 編程 and 編程_Position=1】;
如果我們不要求這兩個(gè)單詞相鄰,希望放松一點(diǎn)條件,可以添加slop參數(shù),slop代表兩個(gè)token之間相隔的最多的距離(最多需要移動(dòng)多少次才能相鄰)。
與match_phrase查詢類似,但是會(huì)對(duì)最后一個(gè)Token在倒排序索引列表中進(jìn)行通配符搜索。
# DSL語(yǔ)句 GET /tehero_index/_doc/_search { "query":{ "match_phrase":{ "content.ik_smart_analyzer":"我編程系" } }
這個(gè)分詞的結(jié)果會(huì)是“我”、“編程”、“系”。
“我”和“編程”是精確匹配,“系”是前綴匹配,等價(jià)于sql:【where Token = ‘我’ and 我_Position=0 and Token = ‘編程’ and 編程_Position=1 and (Token_Position=2 and Token like ‘系%’)】
elasticsearch的官網(wǎng)文檔上,有match_phrase_prefix的完整參數(shù)結(jié)構(gòu):
query
,查詢的關(guān)鍵字
analyer
,對(duì)關(guān)鍵字使用的分詞器
max_expansions
,最后一個(gè)term做前綴匹配時(shí)的最大拓展數(shù),默認(rèn)是50
slop
,與match_phrase
的slop相同,允許term之間的最大間隔
zero_terms_query
,經(jīng)過analyer解析后,沒有任何term時(shí),不返回?cái)?shù)據(jù),還是返回全部數(shù)據(jù)。默認(rèn)返回全部數(shù)據(jù)。
max_expansions是非常重要的一個(gè)參數(shù),需要留意下,不然很容易出現(xiàn)與我們期望不符合的情況。
在工作中,我試過使用match_phrase_prefix來匹配手機(jī)號(hào),但是出現(xiàn)了一些奇怪的現(xiàn)象:
測(cè)試的手機(jī)號(hào)是“123454688885555”,使用match_phrase_prefix,關(guān)鍵字是“12345”來查詢指定租戶下的數(shù)據(jù),沒有返回任何文檔。把關(guān)鍵字換成“1234546”,正確返回了對(duì)應(yīng)的文檔。
為什么會(huì)這樣呢?為什么12345就不返回,1234546就返回了?
個(gè)人是這樣覺得的:
手機(jī)號(hào)雖然存在es中是字符串,但是字符串的內(nèi)容是數(shù)字,分詞器并不會(huì)對(duì)它進(jìn)行分詞,也就是一個(gè)手機(jī)號(hào)就是一個(gè)term
在測(cè)試數(shù)據(jù)中,數(shù)據(jù)有5000條,每條數(shù)據(jù)的手機(jī)號(hào)碼都是不一樣的,也就是說,手機(jī)號(hào)這樣的term有5000個(gè)。
max_expansions默認(rèn)是50,也就是說,會(huì)把12345拓展出以12345為開頭的額外50個(gè)term,例如123456、1234546、123456898…
最后將拓展出來的term也用于查詢
為什么我會(huì)認(rèn)為是這樣的過程呢?
elasticsearch除了會(huì)構(gòu)建倒排索引之外,還會(huì)在所有的term構(gòu)建一個(gè)term dictionary (詞典)和term index(詞索引,印象是跳躍表結(jié)構(gòu)),幫助查找。
當(dāng)出現(xiàn)前綴匹配的時(shí)候,可以在term index和term dictionary中快速找到對(duì)應(yīng)開通的term。
根據(jù)max_expansions的值,拿到指定個(gè)數(shù)的term。
12345查不到數(shù)據(jù),1234546能查找,明顯是1234546更精確,1234546拓展出來的term中包含了那個(gè)完整的手機(jī)號(hào)碼123454688885555。
在查詢這個(gè)參數(shù)相關(guān)的文章的時(shí)候,發(fā)現(xiàn):
有的人認(rèn)為這個(gè)數(shù)值是值通配符,值是50,就能模糊匹配多關(guān)鍵字之后50的字符的term。有的人認(rèn)為這個(gè)數(shù)值是匹配的文檔數(shù),值是50,則匹配50個(gè)文檔,返回這50個(gè)文檔中命中的部分。
這都是不對(duì)的,明顯與手機(jī)號(hào)的實(shí)驗(yàn)不符。
《系統(tǒng)學(xué)習(xí)ElasticSearch》中對(duì)max_expansions的描述就像是占位符。
讀到這里,這篇“elasticsearch的match_phrase_prefix查詢?cè)趺词褂谩蔽恼乱呀?jīng)介紹完畢,想要掌握這篇文章的知識(shí)點(diǎn)還需要大家自己動(dòng)手實(shí)踐使用過才能領(lǐng)會(huì),如果想了解更多相關(guān)內(nèi)容的文章,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。