Partial Matching

结构化数据

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前缀查询

为了找到所有以W1开始的邮编，可以使用prefix

GET /my_index/address/_search
{
    "query": {
        "prefix": {
            "postcode": "W1"
        }
    }
}

prefix查询是一个词级别的底层查询，它不会在搜索之前分析查询字符串。
默认情况prefix查询不做相关度评分计算，只是将所有匹配的文档返回
prefix查询和prefix过滤器这两者实际的区别就是过滤器是可以被缓存的，而查询不行。
es只能在倒排索引中找到存在的词，但是我们并没有对这些postcode索引进行特殊处理。
那么prefix查询是如何工作的呢？
索引如下：

Term:          Doc IDs:
-------------------------
"SW5 0BE"    |  5
"W1F 7HW"    |  3
"W1V 3DG"    |  1
"W2F 8HW"    |  2
"WC1N 1LZ"   |  4
-------------------------

1、扫描词列表并查找到第一个以W1开始的词。
2、搜集关联的文档ID。
3、移动到下一个词。
4、如果这个词也是以W1开头，查询跳回到第二步再重复执行，知道下一个词不为W1为止。
前缀越多所需访问的词越多，当字段中词的集合很小时，可以放心使用。

通配符与正则表达式查询

wildcard通配符查询也是一种底层基于词的查询，使用标准的shell通配符查询
?匹配任意字符，*匹配0或多个字符

GET /my_index/address/_search
{
    "query": {
        "wildcard": {
            "postcode": "W?F*HW" (1)
        }
    }
}

regexp正则式查询

GET /my_index/address/_search
{
    "query": {
        "regexp": {
            "postcode": "W[0-9].+" (1)
        }
    }
}

wildcard和regexp查询的工作方式与prefix查询完全一样。这需要注意性能问题。
数据在索引时的预处理有助于提高前缀匹配的效率，而wildcard和regexp查询只能在查询时完成。
prefix、wildcard、regexp查询是基于词操作的，如果用他们来查询analyzed字段，它们会检查字段里面的每个词，而不是将字段作为整体来处理。
需要注意的是“Quick”在索引里是“quick”

查询时输入即搜索（即时搜索instant search）

短语匹配match_phrase的一种特殊形式，match_phrase_prefix

{
    "match_phrase_prefix" : {
        "brand" : "johnnie walker bl"
    }
}

查询行为与match_phrase一致，但是只使用最后一个词作为前缀使用
接受slop参数
同样也存在资源消耗问题，可以通过设置max_expansions参数来限制前缀扩展的影响，控制可以与前缀匹配词的数量

{
    "match_phrase_prefix" : {
        "brand" : {
            "query":          "johnnie walker bl",
            "max_expansions": 50
        }
    }
}

需要注意：每当用户多输入一个字符时，查询又会执行一遍。

索引时优化

Ngrams在部分匹配的应用

单个词的查找要比在词列表中盲目挨个查找的效率要高得多。在搜索之前准备好供部分匹配的数据可以提高搜索的性能。
在索引时准备数据以为着要选择合适的分析连，这里部分匹配使用的工具是n-gram。
可以将n-gram看成一个在词语上滑动窗口，n代表这个窗口的长度

长度 1（unigram）： [ q, u, i, c, k ]
长度 2（bigram）： [ qu, ui, ic, ck ]
长度 3（trigram）： [ qui, uic, ick ]
长度 4（four-gram）： [ quic, uick ]
长度 5（five-gram）： [ quick ]

索引输入即搜索

github:https://github.com/elasticsearch-cn/elasticsearch-definitive-guide/blob/cn/130_Partial_Matching/35_Search_as_you_type.asciidoc

Ngrams在复合词中的应用

github:https://github.com/elasticsearch-cn/elasticsearch-definitive-guide/blob/cn/130_Partial_Matching/40_Compound_words.asciidoc