elasticsearch7.17.3 实现类似mysql的like查询

前言：现在想要实现在elasticsearch中类似于mysql的like查询方式，有下面几种方法可以参考

建议：wildcard方法是纯纯的like查询方式平替，但是性能差，上百GB的数据量后就会很慢。根据自己业务量需求，前面两种方式能解决的情况下尽量用前面两种方式。前两种方式可以修改索引细粒度逐步靠近like查询效果。

一、match方式查询

1、前言：

• match方式是会将输入筛选的内容先分词，匹配库中的数据记录的分词内容，匹配成功则会返回。
• 这种方式由于使用到了分词，根据自己的数据量确定分词细粒度，如果想要贴近like，ngram分词器细粒度可设置成1
• 此查询适用于文本搜索场景，可以匹配文档中的任意一个词，但无法保证匹配的词语在文档中是相邻的
• 在匹配长文本时，匹配的结果可能会受到文本长度的影响，导致查询结果不准确

2、es查询命令

下面命令是筛选fileName中含有2010的记录

注意：由于match会分词后查询，所以fileName中含有2，0，1这些字符的记录也会返回

POST es_test/_search
{
  "track_total_hits": true, 
  "size": 1000, 
  "query": {
    "match": {
      "fileName": "2010"
    }
  }
}

二、match_phrase方式查询

1、前言

• match_phrase查询是一种基于分词的短语匹配查询，它可以匹配多个关键字，并保证这些关键字在文档中是相邻的
• 此方式查询内容过长时效率会变慢，注意这方面的限制
• 输入的内容会被当做一个完整的短语进行匹配。比如输入的是2010，只会查询包含完整短语"2010"的文档。如果某个文档中包含了"2010年"或者"在2010年度"等，这些文档是无法被匹配出来的

2、es查询命令

下面命令是筛选fileName中后缀为.mp4的记录

POST es_test/_search
{
  "track_total_hits": true, 
  "size": 1000, 
  "query": {
    "match_phrase": {
      "fileName": ".mp4"
    }
  }
}

三、wildcard方式查询

1、前言

• Wildcard查询是一种基于通配符的查询方式，通配符包括 *（匹配任意字符）和 ?（匹配单个字符）
• Wildcard查询性能相对较低，因为它会扫描整个索引来找到匹配的结果

2、es查询命令

此命令是查询fileName中包含mp4的记录

POST es_test/_search
{
  "track_total_hits": true, 
  "size": 1000, 
  "query": {
    "wildcard": {
      "fileName": "*mp4*"
    }
  }
}

四、综合方式复杂查询

上面是单个查询方式的用法，如果显示更友好，可以下面方式优化

1、需求场景

现在想要实现如下需求，根据百度查询效果一样的，输入一个内容，完全匹配的排前面，部分匹配的排后面

2、思路

用match_phrase方式查询完全匹配的内容，用match查询部分匹配的内容，并分别加权

3、es查询命令

下面命令是fileName中完整包含2010字段的排前面，加权10，部分包含2010字段的排后面，加权5，es查询结果不sort的情况下默认会按分数排序

POST es_test/_search
{
  "track_total_hits": true, 
  "size": 1000, 
  "query": {
    "bool": {
      "should": [
        {
          "bool": {
            "must": [
              {
                "match_phrase": {
                  "fileName": "2010"
                }
              }
            ],
            "boost": 10
          }
        },
        {
          "bool": {
            "must": [
              {
                "match": {
                  "fileName": "2010"
                }
              }
            ],
            "boost": 5
          }
        }
      ]
    }
  }
}

如果有其他建议或问题意见，欢迎留言交流！！！