高级查询功能 - Hello ElasticSearch

高级查询功能

在 Elasticsearch 中，高级查询功能可以帮助您实现更复杂和灵活的搜索需求。这些功能包括但不限于多字段查询、模糊查询、邻近查询和高亮显示等。

1. 多字段查询

multi_match 查询：用于在多个字段中执行搜索。适合于需要在多个字段中查找匹配项的情况。
```
GET /my-index/_search
{
  "query": {
    "multi_match": {
      "query": "Elasticsearch",
      "fields": ["title", "description", "content"]
    }
  }
}
```
这个查询将在 title、description 和 content 字段中搜索包含“Elasticsearch”的文档。

function_score 查询：用于修改查询结果的评分，通过函数来调整每个文档的分数。

GET /my-index/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": { "title": "Elasticsearch" }
      },
      "functions": [
        {
          "filter": { "term": { "category": "search" } },
          "weight": 2
        }
      ]
    }
  }
}

这个查询将对 title 字段中匹配“Elasticsearch”的文档应用额外的权重，如果文档的 category 字段为“search”。

2. 模糊查询

fuzzy 查询：用于处理拼写错误或类似的变体。通过允许一定程度的字符差异来匹配文档。
```
GET /my-index/_search
{
  "query": {
    "fuzzy": {
      "title": {
        "value": "Elasticserch",
        "fuzziness": "AUTO"
      }
    }
  }
}
```
这个查询将匹配 title 字段中与“Elasticserch”相似的文档。

3. 邻近查询

match_phrase 查询：用于查找在特定字段中按指定顺序出现的短语。
```
GET /my-index/_search
{
  "query": {
    "match_phrase": {
      "content": "real-time search"
    }
  }
}
```
这个查询将匹配 content 字段中包含“real-time search”短语的文档。
match_phrase_prefix 查询：用于查找以指定短语开头的文档，适用于自动补全等场景。
```
GET /my-index/_search
{
  "query": {
    "match_phrase_prefix": {
      "content": "real-time"
    }
  }
}
```
这个查询将匹配 content 字段中以“real-time”开头的短语的文档。

4. 高亮显示

高亮显示：用于突出显示查询结果中匹配的部分，便于用户查看相关信息。
```
GET /my-index/_search
{
  "query": {
    "match": { "content": "Elasticsearch" }
  },
  "highlight": {
    "fields": {
      "content": {}
    }
  }
}
```
这个查询将返回 content 字段中包含“Elasticsearch”的文档，并高亮显示匹配的部分。

5. 自定义评分

custom_score 查询：通过自定义评分逻辑来调整文档的相关性得分。

GET /my-index/_search
{
  "query": {
    "custom_score": {
      "query": {
        "match": { "title": "Elasticsearch" }
      },
      "script_score": {
        "script": {
          "source": "Math.log(2 + doc['popularity'].value)"
        }
      }
    }
  }
}

这个查询将使用脚本来调整 title 字段中匹配“Elasticsearch”的文档的得分，得分基于 popularity 字段的对数值。

6. 矢量搜索（向量空间模型）

dense_vector 查询：用于基于向量进行相似度搜索，适用于机器学习和深度学习应用。
```
GET /my-index/_search
{
  "query": {
    "knn": {
      "field": "embedding_vector",
      "query_vector": [0.5, 0.1, 0.4],
      "k": 10
    }
  }
}
```
这个查询将基于 embedding_vector 字段中存储的向量进行 K 最近邻搜索，找到与查询向量最相似的 10 个文档。

通过掌握这些高级查询功能，您可以更精准地检索和处理 Elasticsearch 中的数据，以满足各种复杂的搜索需求。