match、match_phrase的区别

一、数据准备

PUT /tehero_index
{
  "settings": {
    "index": {
      "number_of_shards": 1,
      "number_of_replicas": 1
    }
  },
  "mappings": {
    "properties": {
        "id": {
          "type": "integer"
        },
        "content": {
          "type": "text",
          "fields": {
            "ik_max_analyzer": {
              "type": "text",
              "analyzer": "ik_max_word",
              "search_analyzer": "ik_max_word"
            }
          }
        },
        "name":{
          "type":"text"
        },
        "createAt": {
          "type": "date"
        }
      }
  }
}

导入测试数据

POST /tehero_index/_doc/1
{ "id" : 1, "content" : "关注我,系统学编程"}
POST /tehero_index/_doc/2
{ "id" : 1, "content" : "系统学编程,关注我"}
POST /tehero_index/_doc/3
{ "id" : 1, "content" : "系统编程,关注我"}
POST /tehero_index/_doc/4
{ "id" : 1, "content" : "关注我,间隔系统学编程"}

查看全部数据：

POST /tehero_index/_search 
{ "query":{ "match_all": { } } }

原始数据：
{ "id" : 1,"content":"关注我,系统学编程" }
{ "id" : 2,"content":"系统学编程,关注我" }
{ "id" : 3,"content":"系统编程,关注我" }
{ "id" : 4,"content":"关注我,间隔系统学编程" }

三、match query 对应到mysql

POST /tehero_index/_search 
{ "query":{ "match":{ "content":"系统编程" } } }

DSL执行步骤分析：

1）检索词“系统编程”被分词器分词为两个Token【系统】【编程】；
2）将这两个Token在【倒排索引】中，针对Token字段进行检索，等价于sql：【where Token = 系统 or Token = 编程】；
3）对照图【数据的倒排序索引】，可见，该DSL能检索到所有文档，文档3的评分最高（因为它包含两个Token），其他3个文档评分相同。

三、match_phrase query

match_phrase查询分析文本并根据分析的文本创建一个短语查询。match_phrase 会将检索关键词分词。match_phrase的分词结果必须在被检索字段的分词中都包含，而且顺序必须相同，而且默认必须都是连续的。

使用 match_phrase 查询：

POST /tehero_index/_doc/_search
{
    "query": {
        "match_phrase": {
            "content":"关注我,系统学"
        }
    }
}

结果：只有文档1

#! Deprecation: [types removal] Specifying types in search requests is deprecated.
{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.730023,
    "hits" : [
      {
        "_index" : "tehero_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.730023,
        "_source" : {
          "id" : 1,
          "content" : "关注我,系统学编程"
        }
      }
    ]
  }
}

使用 match 查询：

POST /tehero_index/_search 
{ "query":{ "match":{ "content":"关注我,系统学" } } }

# 可以查询出所有结果

分析：检索词“关注我，系统学”会被分词为3个Token【关注、我、系统学】；而文档1、文档2和文档4 的content被分词后都包含这3个关键词，但是只有文档1的Token的顺序和检索词一致，且连续。所以使用 match_phrase 查询只能查询到文档1（ps：文档2 Token顺序不一致；文档4 Token不连续；文档3 Token没有完全包含）。使用 match查询可以查询到所有文档，是因为所有文档都有【关注、我】这两个Token。

match_phrase 核心参数：slop 参数-Token之间的位置距离容差值

POST /tehero_index/_doc/_search
{
    "query": {
        "match_phrase": {
            "content":{
              "query": "关注我,系统学",
                "slop":2
            }
        }
    }
}

# 结果：文档1和文档4都被检索出来