elasticsearch的match_phrase_prefix查詢?cè)趺词褂?/h1>

發(fā)布時(shí)間：2023-03-21 14:17:18 來源：億速云 閱讀：176 作者：iii 欄目：開發(fā)技術(shù)

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

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）。

match_phrase_prefix

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%’)】

需要注意的點(diǎn)

elasticsearch的官網(wǎng)文檔上，有match_phrase_prefix的完整參數(shù)結(jié)構(gòu)：

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。