【入门篇】6.Elasticsearch查询之全文搜索-冰点博客

在 ElasticSearch 的实际应用中，对文本内容的搜索是最常见的需求之一，这类查询被称为全文搜索。在非结构化的文本数据中快速定位相关信息，是搜索引擎的核心能力。本文将从官网学习方法入手，深入解析 ElasticSearch 中全文搜索的各种 DSL 查询方式，包括match、query_string、simple_query_string和match_phrase等核心查询类型。

本文开始前，我特意部署了最新版本的ES 8.18. 大家在学习前要关注自己本地的版本

从官网学习

学习 ElasticSearch 的 DSL 查询，官方文档是最权威且全面的资料。建议按照以下步骤系统学习：

切换到你要了解的版本。

根据自己搭建的版本来看

访问官方文档：

打开ElasticSearch 官方文档 https://www.elastic.co/guide/en/elasticsearch/reference/8.14/full-text-queries.html，定位到Query DSL章节。

理解核心概念：

重点阅读Text vs. Keyword章节，明确文本字段（text）和关键字段（keyword）的区别：

text字段会被分词器处理，适用于全文搜索

keyword字段保持原始值，适用于精确匹配

按查询类型分类学习：

官网将查询分为Leaf Query Clauses和Compound Query Clauses，全文搜索主要属于前者。

结合示例实践：

官网每个查询类型都提供了完整的 JSON 示例，建议在本地 ElasticSearch 环境中逐一测试。

关注版本差异：

注意文档顶部的版本选择器，确保学习内容与实际使用的 ElasticSearch 版本一致。

Match 类型查询

match查询是全文搜索的基础，它会根据字段的映射类型自动选择合适的查询方式：对text字段进行分词搜索，对keyword字段进行精确匹配。

match 查询的基本步骤

假设我们有一个博客文章索引blog_posts，包含title（文本类型）和author（关键字类型）字段：

// 创建索引并设置映射
PUT /blog_posts
{
  "mappings": {
    "properties": {
      "title": { "type": "text" },
      "author": { "type": "keyword" },
      "content": { "type": "text" }
    }
  }
}
// 插入测试数据
PUT /blog_posts/_bulk
{"index":{"_id":1}}
{"title":"ElasticSearch全文搜索指南","author":"张三","content":"本文介绍ElasticSearch的全文搜索功能，涵盖match查询、分词原理等内容，帮助你快速掌握全文搜索技巧。","publish_date":"2024-10-01T08:00:00Z","tags":["ElasticSearch","全文搜索","搜索技巧"],"views":500,"likes":80}
{"index":{"_id":2}}
{"title":"DSL查询语法详解","author":"李四","content":"深入解析ElasticSearch的DSL查询语法，包括复合查询、全文搜索查询等，通过丰富案例助你熟练运用DSL。","publish_date":"2024-10-15T10:30:00Z","tags":["ElasticSearch","DSL查询","查询语法"],"views":400,"likes":60}
{"index":{"_id":3}}
{"title":"Lucene分词器原理","author":"张三","content":"讲解Lucene分词器在ElasticSearch中的应用，剖析分词流程、不同分词器特点，让你明白文本处理的底层逻辑。","publish_date":"2024-11-05T14:15:00Z","tags":["Lucene","分词器","ElasticSearch"],"views":350,"likes":50}
{"index":{"_id":4}}
{"title":"ElasticSearch性能优化策略","author":"王五","content":"分享ElasticSearch性能优化的实用策略，从索引设计、查询优化到集群配置，全面提升搜索性能。","publish_date":"2024-11-20T09:00:00Z","tags":["ElasticSearch","性能优化","索引设计"],"views":300,"likes":40}
{"index":{"_id":5}}
{"title":"如何使用ElasticSearch进行日志分析","author":"赵六","content":"详细介绍如何利用ElasticSearch搭建日志分析平台，实现日志的高效检索与可视化分析。","publish_date":"2024-12-01T11:00:00Z","tags":["ElasticSearch","日志分析","ELK"],"views":280,"likes":35}

基础 match 查询

查询标题中包含 "ElasticSearch" 的文章：

GET /blog_posts/_search
{
  "query": {
    "match": {
      "title": "ElasticSearch"
    }
  }
}

// 这个是查不出来的
GET /blog_posts/_search
{
  "query": {
    "match": {
      "title": "Elastic Search"
    }
  }
}

这个可以查询到结果

从这个可以看出来中文分词和英文分词的规则是不一样的。所以在检索的时候也要注意，每个分词器也不一样。

分词效果验证

通过_analyze接口查看分词结果：


GET /blog_posts/_analyze
{
  "field": "title",
  "text": "ElasticSearch全文搜索指南"
}

输出结果（假设使用默认分词器）：

{
  "tokens" : [
    {
      "token" : "elasticsearch",
      "start_offset" : 0,
      "end_offset" : 13,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "全",
      "start_offset" : 13,
      "end_offset" : 14,
      "type" : "<IDEOGRAPHIC>",
      "position" : 1
    },
    {
      "token" : "文",
      "start_offset" : 14,
      "end_offset" : 15,
      "type" : "<IDEOGRAPHIC>",
      "position" : 2
    },
    {
      "token" : "搜",
      "start_offset" : 15,
      "end_offset" : 16,
      "type" : "<IDEOGRAPHIC>",
      "position" : 3
    },
    {
      "token" : "索",
      "start_offset" : 16,
      "end_offset" : 17,
      "type" : "<IDEOGRAPHIC>",
      "position" : 4
    },
    {
      "token" : "指",
      "start_offset" : 17,
      "end_offset" : 18,
      "type" : "<IDEOGRAPHIC>",
      "position" : 5
    },
    {
      "token" : "南",
      "start_offset" : 18,
      "end_offset" : 19,
      "type" : "<IDEOGRAPHIC>",
      "position" : 6
    }
  ]
}

match 多个词

当查询包含多个词时，match查询会将所有词的分词结果进行组合搜索：

// 查询标题中包含"ElasticSearch"和"DSL"的文章
GET /blog_posts/_search
{
  "query": {
    "match": {
      "title": "ElasticSearch DSL"
    }
  }
}

操作符控制（operator 参数）

OR（默认）：匹配任意一个词的分词结果

AND：必须匹配所有词的分词结果

// 必须同时包含"搜索"和"指南"的文章
GET /blog_posts/_search
{
  "query": {
    "match": {
      "content": {
        "query": "搜索 指南",
        "operator": "AND"
      }
    }
  }
}

// 必须同时包含"搜索"和"指南"的文章
GET /blog_posts/_search
{
  "query": {
    "match": {
      "content": {
        "query": "搜索 指南",
        "operator": "OR"
      }
    }
  }
}

深入控制 match 的匹配精度

最小应该匹配数（minimum_should_match）

当使用match查询多个词时，可以通过minimum_should_match参数控制至少需要匹配的词数：

// 查询内容中包含"ElasticSearch"、"DSL"、"查询"，至少匹配2个词
GET /blog_posts/_search
{
  "query": {
    "match": {
      "content": {
        "query": "ElasticSearch DSL 查询",
        "minimum_should_match": 2
      }
    }
  }
}

提升特定词的权重（boost）

通过boost参数可以提升某个词的相关性权重：

相关性得分基础：Elasticsearch 使用 TF-IDF（词频 - 逆文档频率）算法计算相关性得分。简单来说，某个词在文档中出现的频率越高（词频 TF），同时该词在整个索引中出现的文档数量越少（逆文档频率 IDF），那么这个词所在文档的相关性得分就越高。例如，在我们的示例数据中，“ElasticSearch” 在多篇文章中出现，而 “DSL” 仅在部分文章中出现，正常情况下，同时包含 “DSL” 的文章相关性得分会更高。

// 提升"ElasticSearch"的权重为3
GET /blog_posts/_search
{
  "query": {
    "match": {
      "title": {
        "query": "ElasticSearch DSL",
        "boost": 3
      }
    }
  }
}

其它 match 类型

match_phrase 查询

match_phrase查询要求多个词在文本中连续出现，并且顺序一致，常用于短语搜索：

// 查询标题中包含"全文搜索"短语的文章
GET /blog_posts/_search
{
  "query": {
    "match_phrase": {
      "title": "全文搜索"
    }
  }
}

滑动窗口（slop）

通过slop参数允许短语中的词之间存在间隔：

// 允许"全文"和"搜索"之间有1个词的间隔
GET /blog_posts/_search
{
  "query": {
    "match_phrase": {
      "content": {
        "query": "全文 索 涵盖",
        "slop": 5
      }
    }
  }
}

match_phrase_prefix 查询

match_phrase_prefix是match_phrase的前缀版本，最后一个词会进行前缀匹配，适用于自动补全场景：

// 查询标题中以"指南"开头的短语   "max_expansions": 50 // 最大前缀扩展数
GET /blog_posts/_search
{
  "query": {
    "match_phrase_prefix": {
      "title": {
        "query": "指南",
        "max_expansions": 50 
      }
    }
  }
}

Query String 类型查询

query_string查询支持更复杂的语法，类似于搜索引擎的搜索框语法，但需要注意潜在的语法错误风险。

query_string 基础用法

查询标题包含"全文"或内容包含"分词原理"的文章 // default_field 默认搜索字段

// 查询标题包含"全文"或内容包含"分词原理"的文章 // default_field 默认搜索字段
GET /blog_posts/_search
{
  "query": {
    "query_string": {
      "query": "title:全文 OR content:分词原理",
      "default_field": "content" 
    }
  }
}

支持的语法

布尔操作符：AND、OR、NOT（必须大写）

字段限定：field:value

通配符：*（多个字符）、?（单个字符）

正则表达式：/regexp/

范围查询：[start TO end]

GET /blog_posts/_search
{
  "query": {
    "query_string": {
      "query": "author:张三 AND (title:搜索 OR content:涵盖) ",
      "default_field": "content"
    }
  }
}

simple_query_string 查询

simple_query_string是query_string的简化版，语法更简单，且不会因语法错误导致查询失败：

// 简化语法示例（+表示AND，|表示OR，-表示NOT）
GET /blog_posts/_search
{
  "query": {
    "simple_query_string": {
      "query": "title:ElasticSearch +content:DSL -author:李四"
    }
  }
}

性能优化建议

避免使用 query_string：除非用户需要输入复杂语法，否则优先使用match系列查询，性能更优

合理设置分词器：根据语言特点选择合适的分词器（如中文推荐使用 IK 分词器）

利用 filter 缓存：将不影响分数的查询条件放入bool/filter中

控制结果集大小：使用size和from参数分页，或通过terminate_after提前终止

启用查询分析：通过explain=true分析查询性能瓶颈

基于官网ES8.18特性聊聊

1.1 语义搜索增强

ES 8.18 进一步优化了 semantic_text 字段类型，支持与 inference 管道结合使用，实现基于深度学习的语义匹配。例如，通过部署 ELSER 模型（Elastic Learned Sparse Encoder），可以将文本转换为语义向量，使 "人工智能" 和 "AI" 这类近义词获得更高的相关性得分：

PUT /articles
{
  "mappings": {
    "properties": {
      "content": {
        "type": "semantic_text",
        "model_id": "elser-v1"
      }
    }
  }
}

1.2 分词器性能优化

新版本对中文分词器（如 ik_max_word）的内存占用和分词速度进行了优化，在处理大规模文本时性能提升约 30%。可以通过以下方式测试分词效果：

GET /_analyze
{
  "tokenizer": "ik_max_word",
  "text": "ElasticSearch 8.18 全文搜索新特性"
}

1.3 查询规则（Query Rules）增强

ES 8.18 扩展了查询规则的条件表达式，支持更复杂的逻辑组合。例如，在电商场景中，可以根据用户行为动态调整搜索权重：

GET /products/_search
{
  "query_rules": [
    {
      "condition": {
        "match": {
          "category": "电子产品"
        }
      },
      "rule": {
        "function_score": {
          "query": {
            "match_all": {}
          },
          "functions": [
            {
              "field_value_factor": {
                "field": "sales",
                "modifier": "log1p"
              }
            }
          ]
        }
      },
      "priority": 10
    }
  ]
}

二、基础全文搜索查询实战

2.1 match 查询进阶用法

2.1.1 跨字段匹配（multi-match）

在 ES 8.18 中，multi-match 查询新增 best_fields 模式的优化算法，能更高效地处理多字段匹配：

GET /blog_posts/_search
{
  "query": {
    "multi_match": {
      "query": "ElasticSearch 性能优化",
      "fields": ["title", "content", "tags"],
      "type": "best_fields",
      "tie_breaker": 0.3  // ES 8.18 新增参数，控制次要字段的权重
    }
  }
}

2.1.2 模糊匹配优化

match 查询现在支持通过 fuzziness 参数更精细地控制模糊匹配程度，ES 8.18 对长文本的模糊计算进行了优化：

GET /users/_search
{
  "query": {
    "match": {
      "username": {
        "query": "johndoe",
        "fuzziness": "AUTO"  // ES 8.18 支持 AUTO 模式自动调整模糊度
      }
    }
  }
}

2.2 match_phrase 短语搜索增强

2.2.1 间隔查询（interval_query）

ES 8.18 新增 interval_query 用于精确控制词项位置关系，比传统 match_phrase 更灵活：

GET /news/_search
{
  "query": {
    "interval_query": {
      "content": {
        "match": {
          "phrase": {
            "slop": 2,
            "seq": [
              { "term": "人工智能" },
              { "term": "应用" }
            ]
          }
        }
      }
    }
  }
}

2.2.2 前缀短语搜索

match_phrase_prefix 查询新增 max_expansions 参数的默认值优化（从 50 提升至 100），更适合自动补全场景：

GET /products/_search
{
  "query": {
    "match_phrase_prefix": {
      "title": {
        "query": "apple",
        "max_expansions": 100
      }
    }
  }
}

复杂查询场景与性能优化

3.1 混合查询：语义搜索 + 传统搜索

ES 8.18 支持将语义搜索与传统全文搜索结合，通过 function_score 调整权重：

GET /documents/_search
{
  "query": {
    "function_score": {
      "query": {
        "bool": {
          "must": [
            {
              "semantic": {  // 语义搜索部分
                "field": "content",
                "query": "机器学习原理"
              }
            },
            {
              "match": {  // 传统搜索部分
                "title": "机器学习"
              }
            }
          ]
        }
      },
      "functions": [
        {
          "weight": 3  // 语义搜索权重更高
        }
      ]
    }
  }
}

3.2 性能优化最佳实践

3.2.1 字段数据缓存优化

ES 8.18 新增 field_data.cache.size 动态调整参数，可以通过以下命令优化高频查询字段：

PUT /_cluster/settings
{
  "persistent": {
    "field_data.cache.size": "30%",
    "field_data.cache.expire": "12h"
  }
}

3.2.2 查询分析与优化

使用 profile API 分析查询性能，ES 8.18 对分析结果进行了可视化优化：

GET /blog_posts/_search
{
  "query": {
    "match": {
      "content": "分布式搜索"
    }
  },
  "profile": true
}

3.3 大规模文本处理方案

3.3.1 分片查询优化

对于大规模索引，ES 8.18 优化了分片查询的协调机制，减少跨节点通信开销。建议根据数据量设置分片数：

PUT /large_text_index
{
  "settings": {
    "number_of_shards": 12,
    "number_of_replicas": 2,
    "index.query.bool.max_clause_count": 10000  // 处理复杂查询时增大此值
  }
}

官网资源与版本兼容性说明

从旧版本升级到 8.18 时，需注意：

match_phrase 查询的 slop 参数默认行为略有调整，建议通过 explain 验证得分
语义搜索相关功能（如 semantic_text）需要 X-Pack 许可证
分词器配置文件格式有细微变化，需检查自定义分词器配置

参考文章

ElasticSearch 官方 Query DSL 文档

全文搜索与分词原理详解

ElasticSearch 性能优化最佳实践