全文搜索-介绍-elasticsearch-definitive-guide翻译-布布扣-bubuko.com

全文搜索

我们通过前文的简单例子，已经了解了结构化数据的条件搜索；现在，让我们来了解全文搜索-- 怎样通过匹配所有域的文本找到最相关的文章。

关于全文搜索有两个最重要的方面：

相似度计算: 通过TF/IDF (see [relevance-intro])，地理位置接近算法，模糊相似度算法或者其他算法，用来给给定查询条件的结果排序。
文本分析: 通过把文本切割和归一化后的词元，去(a)生成倒排索引，或者去(b)查询倒排索引。

当我们在讨论相似度计算和文本分析的时候，我们只是在讨论查询，而不是过滤

词条搜索 vs. 全文搜索

即使所有的查询都要执行一些相似度排序，但是不是所有的查询条件都需要文本分析。因为有些特殊的查询就不是在文本上执行的，列如bool和function_score。它们是boolean查询和数值查询。文本查询可以分为两个种类：

词条查询: 低级别的term和fuzzy查询没有文本分析，它们只是在单个词条上查询。列如词条"Foo"的term查询，是在倒排索引种查找完全匹配的词条，然后给每一篇包含这个词条的文章做TF/IDF相似度打分。

记住：词条"Foo"的term查询只是在倒排索引里查找完全匹配的词条，它不会匹配到"foo"或者"FOO"。当你在not_analyzed的域用["Foo","Bar"]生成索引，或者在用whitespace分析器的域用"Foo Bar"生成索引，它们都会在倒排索引里生成两个词元"Foo"和"Bar"。
全文查询: 高级别的match和query_string查询能够理解这些域的映射： * 如果在date和integer属性的域，查询文本会被当日期或者整数来对待。 * 如果在(not_analyzed)属性的文本域，查询文本会被当做一个词条来查询。 * 但是，如果在(analyzed)属性的文本域，查询文本会用恰当得分析器去产生词条，而这些词条都会被用来查询。一旦查询得到这些词条，它就用适当的低级查询去执行每一个词条，然后用查询结果计算每一篇文章的相似度打分。我们将在后面的章节中详细介绍这个过程。

通常，你几乎都不会直接用到基于词元的查询，更多的，你会用更方便的高级全文查询(其实内部是用基于词元的查询)

当你想在not_analyzed域查询完全匹配值的时候，你应该考虑一下你到底是用查询还是过滤。因为单词条查询通常被表示为二元值yes|no，所以过滤能更好的表达它们。你能从这里收益的 filter caching:

GET /_search
{
    "query": {
        "filtered": {
            "filter": {
                "term": { "gender": "female" }
            }
        }
    }
}