请选择 进入手机版 | 继续访问电脑版

理解elasticsearch的match_phrase_prefix查询

[复制链接]
东方龙头 发表于 2020-12-31 20:22:10 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
match_phrase

match_phrase_prefix可以认为是match_phrase的增强版本,所以先相识一下match_phrase。
match_phrase词组匹配会先分析检索词,而且标注出每个的token相对位置,搜索匹配的字段的必须包罗所有的检索词的token,而且他们的相对位置也要和检索词里面相同。
在《系统学习ElasticSearch》中,有很好的例子:
  1. # DSL语句GET /tehero_index/_doc/_search{  "query":{    "match_phrase":{      "content.ik_smart_analyzer":"系统编程"    }  }
复制代码
DSL执行步骤分析:


  • 1)检索词“系统编程”被分词为两个Token【系统,Position=0】【编程,Position=1】
  • 2)倒排索引检索时,等价于sql:【where Token = 系统 and 系统_Position=0 and Token = 编程 and 编程_Position=1】;
如果我们不要求这两个单词相邻,希望放松一点条件,可以添加slop参数,slop代表两个token之间相隔的最多的间隔(最多需要移动多少次才华相邻)。
match_phrase_prefix

与match_phrase查询类似,但是会对最后一个Token在倒排序索引列表中举行通配符搜索。
  1. # DSL语句GET /tehero_index/_doc/_search{  "query":{    "match_phrase":{      "content.ik_smart_analyzer":"我编程系"    }  }
复制代码
这个分词的结果会是“我”、“编程”、“系”。
“我”和“编程”是精确匹配,“系”是前缀匹配,等价于sql:【where Token = ‘我’ and 我_Position=0 and Token = ‘编程’ and 编程_Position=1 and (Token_Position=2 and Token like ‘系%’)
需要注意的点

elasticsearch的官网文档上,有match_phrase_prefix的完整参数布局:

query,查询的关键字
analyer,对关键字使用的分词器
max_expansions,最后一个term做前缀匹配时的最大拓展数,默认是50
slop,与match_phrase的slop相同,允许term之间的最大间隔
zero_terms_query,颠末analyer分析后,没有任何term时,不返回数据,照旧返回全部数据。默认返回全部数据。
max_expansions是非常重要的一个参数,需要注意下,否则很容易出现与我们渴望不符合的情况。
在工作中,我试过使用match_phrase_prefix来匹配手机号,但是出现了一些希奇的现象:


  • 测试的手机号是“123454688885555”,使用match_phrase_prefix,关键字是“12345”来查询指定租户下的数据,没有返回任何文档。
  • 把关键字换成“1234546”,正确返回了对应的文档。
为什么会这样呢?为什么12345就不返回,1234546就返回了?
个人是这样以为的:

  • 手机号虽然存在es中是字符串,但是字符串的内容是数字,分词器并不会对它举行分词,也就是一个手机号就是一个term
  • 在测试数据中,数据有5000条,每条数据的手机号码都是不一样的,也就是说,手机号这样的term有5000个。
  • max_expansions默认是50,也就是说,会把12345拓展出以12345为开头的额外50个term,比方123456、1234546、123456898…
  • 最后将拓展出来的term也用于查询
为什么我会认为是这样的过程呢?
elasticsearch除了会构建倒排索引之外,还会在所有的term构建一个term dictionary (辞书)和term index(词索引,印象是跳跃表布局),资助查找。
当出现前缀匹配的时候,可以在term index和term dictionary中快速找到对应开通的term。
根据max_expansions的值,拿到指定个数的term。
12345查不到数据,1234546能查找,显着是1234546更精确,1234546拓展出来的term中包罗了那个完整的手机号码123454688885555。
在查询这个参数相关的文章的时候,发现:


  • 有的人认为这个数值是值通配符,值是50,就能含糊匹配多关键字之后50的字符的term。
  • 有的人认为这个数值是匹配的文档数,值是50,则匹配50个文档,返回这50个文档中掷中的部门。
    这都是不对的,显着与手机号的实验不符。
    《系统学习ElasticSearch》中对max_expansions的形貌就像是占位符…
参考资料:
系统学习ElasticSearch
十九种Elasticsearch字符串搜索方式终极介绍
官方文档

来源:https://blog.csdn.net/zidongxiangxi/article/details/111957568
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则


专注素材教程免费分享
全国免费热线电话

18768367769

周一至周日9:00-23:00

反馈建议

27428564@qq.com 在线QQ咨询

扫描二维码关注我们

Powered by Discuz! X3.4© 2001-2013 Comsenz Inc.( 蜀ICP备2021001884号-1 )