Elasticsearch Wildcard Search

2022-05-12 715 words 2 minutes views

Contents

There is a problem about word segmentation when I use Chinese in ES. Elasticsearch is the distributed, restful search and analytics engine. You can use Elasticsearch to store, search, and manage data for Logs，Metrics，A search backend，Application monitoring，Endpoint security.

问题描述

Question

ES 使用 wildcard 进行模糊查询，有些情况模糊查询失败，如："*日本*"，但测试别的数据，如 “*192.168*” 可以模糊匹配。这是因为 ES 对查询文本分词造成的结果。

match：分词模糊查询

比如“Everything will be OK, All is well”，会被分词一个一个单词（不是单个字母）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
{
	"from": 0,
	"size": 20,
	"query": {
		"bool": {
			"should": [{
					"term": {
						"form_name": "will"
					}
				}
			]
		}
	}
}

match_phrase ：短语模糊查询

match_phrase是短语搜索，即它会将给定的短语（phrase）当成一个完整的查询条件。

比如查询 “Everything will”，会当成一个完整的短语进行查询，会查出含有该查询条件的内容。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
GET /basic_index*/_search
{
	"from": 0,
	"size": 20,
	"query": {
		"bool": {
			"should": [{
					"match": {
						"form_name": "Everything will"
					}
				}
			]
		}
	}
}

如果是查询单个字母，match就不管用了。

wildcard：通配符模糊查询

?	匹配任意字符
*	匹配0个或多个字符

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
GET /basic_index*/_search
{
	"size": 20,
	"from": 0,
	"query": {
		"bool": {
			"should": [{
				"wildcard": {
					"form_name": "*very*
				}
			}]
		}
	}
}

记录是存在的，但是没有查出来？因为分词的影响，添加keyword 进行处理

1
2
3
4
5
{
	"wildcard": {
		"form_name.keyword": "*very*"
	}
}

Wildcard 性能会比较慢。如果非必要，尽量避免在开头加通配符 ? 或者 *，这样会明显降低查询性能

如果查询的内容非空，怎么处理？直接用**

1
2
3
4
5
{
	"wildcard": {
		"form_name": "*"
	}
}

总结

Es 模糊查询，分词的用match；短语的用match_phrase；查询任意的，用wildcard通配符，注意查询的内容是否分词，分词的添加keyword，查询非空的情况，用"**"。