转载自博客：https://blog.csdn.net/Weixiaohuai/article/details/108916014
一、简介
在elasticsearch中，查询主要使用到两个：term和match，本篇文章将总结一下两者的区别。
term：代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词解析，直接对搜索词进行查找；
match：代表模糊匹配，搜索前会对搜索词进行分词解析，然后按搜索词匹配查找；
一般模糊查找的时候，多用match，而精确查找时可以使用term。
二、term精确匹配
term查询是直接通过倒排索引指定的词条进行查找的，所以，很显然，term查询效率肯定比match要高。
首先创建一个索引member，并插入几条测试数据，相关命令如下：
PUT /member/info/1 { "name": "张三", "age": 20 } PUT /member/info/2 { "name": "张无忌", "age": 50 } PUT /member/info/3 { "name": "李四", "age": 30 }
插入完成，观察索引里面的数据，如下图所示：
- 查询name中精确匹配"张"的数据
GET /member/info/_search { "query": { "term": { "name": "张" } } }
由上图可见，两条数据都能查询出来，只要name里包含"张"关键字的数据都查出来了 。
如果我们只想精确匹配"张三"这个词，来看看下面的例子。
- 查询name中精确匹配"张三"的数据
GET /member/info/_search { "query": { "term": { "name": "张三" } } }
我们发现，查询出来显示无数据，从概念上看，term属于精确匹配，只能查单个词。
如果我们想通过term匹配多个词的话，可以使用terms来实现：
GET /member/info/_search { "query": { "terms": { "name": ["张","三"] } } }
可以看到，两条数据都成功返回，因为terms里的[ ] 多个搜索词之间是or（或者）关系，只要满足其中一个词即可。
如果我们想要同时满足两个词精确匹配的话，就得使用bool的must来做，如下：
GET /member/info/_search { "query": { "bool": { "must": [ { "term": { "name": "张" } }, { "term": { "name": "三" } } ] } } }
可以看到，此时只会返回一条满足条件的记录。
由于前面我们创建索引库member时并没有指定字段的类型，都是es默认生成的类型。
可以看到，默认生成的name字段是text类型。
下面我们看看是如何进行分词处理的？
GET member/_analyze { "text" : "张三" }
分析出来的为"张"和"三"的两个词，而term只能完完整整的匹配上面的词，不做任何改变的匹配。
扩展： 两种数据类型：text和keyword
text：查询时会进行分词解析；
keyword：keyword类型的词不会被分词器进行解析，直接作为整体进行查询；
下面我们通过简单的示例说明一下text和keyword的区别。我们先创建一个test索引库：
PUT /test { "mappings": { "properties": { "name": { "type": "text" }, "desc": { "type": "keyword" } } } }
下面我们插入几条测试数据：
PUT /test/_doc/1 { "name":"马士兵java name", "desc": "马士兵java desc" } PUT /test/_doc/2 { "name":"马士兵java name", "desc": "马士兵java desc2" }
查看test索引库信息，可以看到我们指定的mappings，如下图：
- 通过keyword类型的分词器进行解析
GET _analyze { "analyzer": "keyword", "text":"马士兵java name" }
可以看到，因为name字段是text类型，查询时候会被分词器分析，所以两条记录都成功查询出来。
- 查询desc字段中含有"马士兵java desc"的记录
-
GET test/_search { "query": { "term": { "desc": "马士兵java desc" } } }
可以看到，只返回一条记录，原因是desc字段是keyword类型，查询时候不会被分词器进行解析，作为一个整体查询。
keyword类型的字段不会被分词器解析，text类型的字段会被分词拆分后才进行查询。
三、match模糊匹配
查询姓名中匹配含"张三"这个词的数据
GET member/info/_search { "query": { "match": { "name": "张三" } } }
通过上图，我们可以看到两条记录都被查询出来的，因为match进行搜索的时候，会先进行分词拆分，拆完后，再来匹配。
"张三"被拆分解析为"张"和"三"两个词，所以只要name字段中包含"张"或者"三"的数据都能够匹配上。
如果想 "张"和"三"同时匹配到的话，那么可以使用 match_phrase，来看下面的例子：
match_phrase 称为短语搜索，要求所有的分词必须同时出现在文档中，同时位置必须紧邻一致。
可以看到，此时只会匹配出一条满足条件的记录。
三、总结
本文主要介绍了es中常用的两种查询方式：term和match。
term：代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词解析，直接对搜索词进行查找；
match：代表模糊匹配，搜索前会对搜索词进行分词解析，然后按分词匹配查找；
term主要用于精确搜索，match则主要用于模糊搜索；
term精确搜索相较match模糊查询而言，效率较高；
同时总结了两种数据类型：text和keyword。
text：查询时会进行分词解析；
keyword：keyword类型的词不会被分词器进行解析，直接作为整体进行查询；
由于笔者水平有限，如文中有不对之处，还望指正，相互学习，一起进步！
第二个总结：
1、term查询的时候查询关键字是精确匹配，查询的关键字不会做分词处理，所以term一般用户查询age number等非text类型的精确匹配，text类型的查询一般使用match
2、match_phrase和keyword精确查询的区别
GET member/info/_search { "query": { "match_phrase": { "name": "张无" } } }
是一个短语查询，查出的一条结果数据为
#! Deprecation: [types removal] Specifying types in search requests is deprecated. { "took" : 2, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 1.2990016, "hits" : [ { "_index" : "member", "_type" : "info", "_id" : "2", "_score" : 1.2990016, "_source" : { "name" : "张无忌", "age" : 50 } } ] } }
GET member/_analyze { "text" : "张无忌" }
分词的结果为
{ "tokens" : [ { "token" : "张", "start_offset" : 0, "end_offset" : 1, "type" : "<IDEOGRAPHIC>", "position" : 0 }, { "token" : "无", "start_offset" : 1, "end_offset" : 2, "type" : "<IDEOGRAPHIC>", "position" : 1 }, { "token" : "忌", "start_offset" : 2, "end_offset" : 3, "type" : "<IDEOGRAPHIC>", "position" : 2 } ] }
match_phrase 称为短语搜索，要求所有的分词必须同时出现在文档中，同时位置必须紧邻一致。上面分词之后“张”和“三”都出现在相邻的位置上面
name.keyword属性2
GET member/info/_search { "query": { "match": { "name.keyword": "张无" } } }
查询的结果为null
下面
GET member/info/_search { "query": { "match": { "name.keyword": "张无忌" } } }
#! Deprecation: [types removal] Specifying types in search requests is deprecated. { "took" : 6, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 0.9808291, "hits" : [ { "_index" : "member", "_type" : "info", "_id" : "2", "_score" : 0.9808291, "_source" : { "name" : "张无忌", "age" : 50 } } ] } }
name": "张无忌"，去查询的时候，name会分词，结果中只要包涵了"张"，“无”，“忌”中的一个词都会结构都会被查询出来
name.keyword": "张无忌"，去查询的时候，name会分词，结果中只要包涵了"张"，“无”，“忌”中的一个词都会结构都会被查询出来,数据查询出来之后，因为加了keyword关键字，会对查询出来的结果进行过来，数据结果中必须name的值必须和keyword中的
张无忌三个字值一样的结果才显示出来，name的值如果为张无，但是keyword为张无忌，是不会显示出来的。这就是为啥"name.keyword": "张无"没有结果的原因。
keyword属性用于精确匹配，我们可以查看索引的mapping结构来查看
GET member/_mapping
{ "member" : { "mappings" : { "properties" : { "age" : { "type" : "long" }, "name" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } } } } } }
上面就name属性有一个子属性keyword，keyword就是为了精确查询，精确匹配
上面表示有个字段name，name字段为text类型，name字段下面还有其他属性，其中一个子属性的名称为keyword，keyword的type类型部署text类型，而是keyword类型。
keyword类型存储的就是该字段本身的值，不进行分词存储
上面就是表示，查询的时候name.keyword的对于的keyword属性的值必须是张无忌，用于精确匹配
GET member/info/_search
{
"query": {
"match": {
"name.keyword": "张无忌"
}
}
}
这里再创建索引的时候，我们可以指定字段的类型为keyword，这样在存储的时候就不会进行分词存储，在查询的时候必须进行精确匹配，比如邮箱
