完整版【系统学ES系列】请移步公号！

带着问题学习才高效

Term-level queries 与 Full text queries 的主要区别是什么？

Term-level queries 有哪些查询类型？运用场景有哪些？DSL如何书写？

Term-level queries 的各种查询对应到sql是怎样的

01 Term-level queries 简介

Term-level queries 术语级查询就是根据结构化数据中的精确值查找文档。与（ Full text queries）全文查询的不同之处在于，术语级查询不会分析检索词，而是匹配存储在字段中的确切术语。不知道这是什么意思？没关系，下面TeHero结合实例进行讲解。

Term-level queries系列脑图

ps：上图的xmind文件获取方式见文末！

通过上图可以看到，Term-level queries 一共有11种查询类型，标红的四种查询是我们常用的查询：term query、terms query、range query、wildcard query。本文将先介绍：term query、terms query这两种查询！Let's Go！

02 数据准备

以博客的数据为例，数据结构如下：

创建blogs_index 和 tags_index（就是tag的详情）：

PUT /blogs_index { "settings": { "index": { "number_of_shards": 1, "number_of_replicas": 1 } }, "mappings": { "_doc": { "dynamic": false, "properties": { "id": { "type": "integer" }, "author": { "type": "keyword" }, "title": { "type": "text", "analyzer": "ik_smart" }, "tag":{ "type": "integer" }, "influence": { "type": "integer_range" }, "createAt": { "type": "date" } } } } } PUT /tags_index { "settings": { "index": { "number_of_shards": 1, "number_of_replicas": 1 } }, "mappings": { "_doc": { "dynamic": false, "properties": { "id": { "type": "integer" }, "tag_name": { "type": "keyword" } } } } }

批量导入数据：

POST _bulk
{"index":{"_index":"blogs_index","_type":"_doc","_id":"1"}}
{"id":1,"author":"方才兄","title":"关注我,系统学编程"}
{"index":{"_index":"blogs_index","_type":"_doc","_id":"2"}}
{"id":2,"author":"方才","title":"系统学编程,关注我"}

03term query

核心点：检索词不会被分词，作为一个Token/term

3.1 通过实例理解

语句1：检索文档1的title字段的完整内容，发现居然检索不到文档！

POST /blogs_index/_doc/_search
{"query": {"term" : { "title" : "关注我,系统学编程" }}
}

语句2：只检索关键词“编程”，可以检索文档1和文档2

POST /blogs_index/_doc/_search
{
"query": {
"term" : { "title" : "编程" }
}
}

3.2 分析DSL执行过程

在【ElasticSearch系列05：倒排序索引与分词Analysis】我们已经知道了es的检索过程【ps：该过程非常重要，一定要掌握，明白了这个检索过程，对于理解DSL语句非常有用】：

1）对于title字段，我们使用的是ik_smart分词，所以这5条文档，得到的PostingList的Token列表为【关注】【我】【系统学】【编程】【方才】【兄】；

2）因为是term查询，所以语句1检索词的Token列表就是【关注我,系统学编程】；语句2检索词的Token列表为【编程】；

3）在PostingList中检索，很明显语句1等价于sql语句【where Token = “关注我,系统学编程”】；语句2等价于sql语句【where Token = “编程”】。

4）所以语句1检索不到结果，语句2是可以检索到文档1和文档2的。

ps：如何知道es中文档的PostingList呢？直接使用_anlyze接口分析即可：

GET blogs_index/_analyze
{
"text": [ "关注我,系统学编程"],
"field": "title"
}

得到针对字段title，建立的PostingList：

{
"tokens": [
{
"token": "关注",
"start_offset": 0,
"end_offset": 2,
"type": "CN_WORD",
"position": 0
},
{
"token": "我",
"start_offset": 2,
"end_offset": 3,
"type": "CN_CHAR",
"position": 1
},
{
"token": "系统学",
"start_offset": 4,
"end_offset": 7,
"type": "CN_WORD",
"position": 2
},
{
"token": "编程",
"start_offset": 7,
"end_offset": 9,
"type": "CN_WORD",
"position": 3
}
]
}

3.3 与match query的对比

1、检索会被分词的字段，match语句与term语句区别较大。

match 语句1：检索文档1的title字段的完整内容，得到文档1和文档2；

POST /blogs_index/_doc/_search
{
"query": {
"match" : { "title" : "关注我,系统学编程" }
}
}

简单分析下：

1）因为是match 查询，所以语句1检索词的Token列表就是【关注】【我】【系统学】【编程】；（注意和term查询时检索词的Token列表做对比【关注我,系统学编程】）

2）在PostingList中检索，该语句等价于sql语句【where Token in （“关注”,"我","系统学","编程"）】；

3）所以可以检索到文档1和文档2。

2、检索不会分词的字段：mathc语句与term语句效果一致

POST /blogs_index/_doc/_search
{
"query": {
"term" : { "author" : "方才兄" }
}
}
POST /blogs_index/_doc/_search
{
"query": {
"match" : { "author" : "方才兄" }
}
}

注意：match语句会对检索词分词，使用的分词器默认与被检索字段一致【对于author这个字段，type为keyword，所以哪怕使用的是match查询，检索词依然不会被分词】。上述两个语句都只能检索到文档1！

3.4 term query 的使用场景

一般用于检索不会被分词的字段，主要是类型为：integer、keyword、boolean 的字段。比如说我们这个blogs_index中的author字段，假如我们只想看作者为“方才兄”的blog，DSL语句如下：

POST /blogs_index/_doc/_search
{
"query": {
"term" : { "author" : "方才兄" }
}
}

04 terms query

4.1 等价于mysql 的 in（）

比如，我想检索作者是【方才兄】和【方才】的文章：

POST /blogs_index/_doc/_search
{
"query": {
"terms" : { "author" : ["方才兄","方才"]}
}
}

该语句等价于sql语句【where author in （“"方才兄","方才"）】

4.2 Terms lookup mechanism——等价于mysql的联表查询

比如：有如下数据：

POST _bulk
{"index":{"_index":"blogs_index","_type":"_doc","_id":"3"}}
{"id":3,"author":"方才兄","title":"关注我,系统学编程","tag":[1,2,3]}
{"index":{"_index":"tags_index","_type":"_doc","_id":"1"}}
{"id":1,"tag_name":"这是标签1"}
{"index":{"_index":"tags_index","_type":"_doc","_id":"2"}}
{"id":2,"tag_name":"这是标签2"}
{"index":{"_index":"tags_index","_type":"_doc","_id":"3"}}
{"id":3,"tag_name":"这是标签3"}}

对于blogs_index中文档3，我们获取到了tag的idList集合，我们需要把tag的详细情况查出来：

GET /tags_index/_search
{
"query": {
"terms": {
"id": {
"index": "blogs_index",
"type": "_doc",
"id": "3",
"path": "tag"
}
}
}
}
参数解释：index：从中获取术语值的索引。type：从中获取术语值的类型。id：用于获取术语值的文档的ID，是源字段_id,而不是我们自定义的字段id。path：指定为获取terms过滤器实际值的路径的字段 。

使用场景：当需要terms语句包含大量术语时，从索引中的文档中获取这些术语值将是有益的。其实这种垮索引的查询方法，在实际中很难应用到，对数据结构有强制的要求，而且针对另一个index的查询条件，只能是 _id = xx，不能像sql一样随意书写where条件。

上述DSL语句等价于将sql语句【select * from tags_index where id in （1,2,3）】转化为了sql【select * from tags_index where id in （select tag from blogs_index where _id = 3）】。

下期预告：Term-level queries剩下的9种查询

●ES系列01：如何系统学习ES

●ES系列05：倒排序索引与分词Analysis

●ES系列07：match_phrase与match_phrase_prefix query

你点的每个赞我都认真当成了喜欢

ES系列09：基于词项的搜索之 Term/Terms query相关推荐

Elasticsearch中基于词项的搜索
为了方便我们学习,我们导入kibana为我们提供的范例数据. 目前为止,我们已经探索了如何将数据放入Elasticsearch,现在来讨论下如何将数据从Elasticsearch中拿出来,那就是通过搜 ...
laravel 分词搜索匹配度_elasticsearch基础笔记9-elasticsearch 词项全文搜索
es的核心功能就是搜索和分析.那么我们看看搜索相关内容 1.搜索机制在进入搜索之前,会对查询体根据情况进行分析和处理. 2.有哪些常用搜索类型全文查询词项查询复合查询嵌套查询位置查询特殊 ...
白话Elasticsearch04- 结构化搜索之使用terms query搜索多个值以及多值搜索结果优化
文章目录 terms概述准备数据小例子搜索articleID为KDKE-B-9947-#kL5或QQPX-R-3956-#aD8的帖子搜索tag中包含java的帖子优化搜索结果,仅仅搜索ta ...
橘子学ES19之词项搜索全文检索
在ES中,词项搜索也叫term搜索,term就有词项的意思.词项检索的意思就是说我输入一个词汇,在检索的时候不会把你输入的这个词汇做分词,匹配条件就是完整的输入的词汇,但是文档插入的时候该分词还是分词 ...
计算机应用技术自然语言处理,基于词联接的自然语言处理技术及其应用研究-计算机应用技术专业论文.docx...
中文摘要摘中文摘要摘要随着人类社会信息化程度和计算机软硬件水平的提高,自然语言处理(Natural LanguageProcessing,简称NLP)技术逐渐成为计算机应用和人工智能研究的热点, ...
WWW 2020 | 信息检索中基于上下文的文本词项权重生成
©PaperWeekly 原创 · 作者|金金单位|阿里巴巴研究实习生研究方向|推荐系统本文由卡耐基梅隆大学发表于 WWW 2020,介绍了基于上下文的文本词项权重生成方法 HDCT.原有的搜索 ...
自然语言处理--词向量使用基于 Annoy 的高级索引（近似最近邻）来查找最近邻词项
我们可以使用 Annoy 对 word2vec 向量建立索引并将其结果与 gensim 的 KeyedVectors索引进行对比( 像 Annoy 这样的局部敏感哈希使潜在语义索引成为现实): fro ...
使用OpenCV与sklearn实现基于词袋模型的图像分类预测与搜索
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达基于OpenCV实现SIFT特征提取与BOW(Bag of Wor ...
es基于completion suggest实现搜索提示
在之前的某一篇中,我们使用了es的前缀搜索,获得了文档根据前缀进行匹配的效果,如下图所示, 下面说说在es中的另一种实现搜索提示的功能,基于completion suggest 进行实现,其在实际应用 ...

ES系列09：基于词项的搜索之 Term/Terms query

完整版【系统学ES系列】请移步公号！

带着问题学习才高效

01 Term-level queries 简介

02 数据准备

03term query

3.1 通过实例理解

3.2 分析DSL执行过程

3.3 与match query的对比

3.4 term query 的使用场景

04 terms query

4.1 等价于mysql 的 in（）

4.2 Terms lookup mechanism——等价于mysql的联表查询

ES系列09：基于词项的搜索之 Term/Terms query相关推荐

最新文章

热门文章

ES系列09：基于词项的搜索 之 Term/Terms query

完整版【系统学ES系列】请移步公号！

带着问题学习才高效

01 Term-level queries 简介

02 数据准备

03term query

3.1 通过实例理解

3.2 分析DSL执行过程

3.3 与match query的对比

3.4 term query 的使用场景

04 terms query

4.1 等价于mysql 的 in（）

4.2 Terms lookup mechanism——等价于mysql的联表查询

ES系列09：基于词项的搜索 之 Term/Terms query相关推荐

最新文章

热门文章

ES系列09：基于词项的搜索之 Term/Terms query

ES系列09：基于词项的搜索之 Term/Terms query相关推荐