查看原文
其他

干货 | Elasticsearch 检索类型选型指南

铭毅天下 铭毅天下Elasticsearch 2023-09-17

之前在 DSL 中一次问卷调查中,收集到如下几个和搜索类型相关的问题。

  • Q1:麻烦讲一下es常用的查询关键词,及使用场景,比如term、match、should、filter等等,谢谢老大......
  • Q2:讲下查询term,match,match_pharse,operator,mget,multi_match等的用法和区别?
  • Q3:term、match、phrase、bool query等常用语法,及对不同类型数据字段的支持。在分词场景下的区别?
  • Q4:fuzzy查询的fuzziness参数不同取值,minimumshouldmatch不同取值负数,百分比等…...
  • Q5:希望可以通俗一点。可以有视频和文档~~

这些问题经常会被问到,今天我们从如下几个方面详细解读一下。

  • 宏观俯瞰 Elasticsearch 检索分类;
  • 分类解读各个搜索类型特点及应用场景;
  • 各个检索类型的区别。

1、宏观俯瞰 Elasticsearch 检索分类

以 Elasticsearch 8.1 官方文档为例,检索分类不会也不可能超出这个范围。

这么看,貌似不够清晰,来张脑图梳理一下。

常用的部分下文会详细解读,不常用的建议大家使用前优先阅读一遍官方文档,做到“知己知彼、有的放矢”。

貌似清晰了很多。

说一下,我在初学 Elasticsearch 犯过的“错误”或者遇到的问题,看看大家有没有“中招”。

第一:一把梭用法

Match 检索很好用,召回数据又多。业务凡是涉及检索都是 Match query。

用星爷的话非常应景:“曾经有一堆检索类型放在我面前,我没有珍惜。我挑出 use 最多最爽的 Match query 用的乐此不疲。当召回了一大批不相关的数据才后悔莫及!如果老天再给我一次选型的机会的话,我会优先考虑 Match_phrase"。

图片来自网络

这么说,大家可能没有感觉,后文会有详细示例说明。

第二:自己代码实现“与或非”检索。

由于对于检索类型了解不全,只知道有限的几种类型:term、match、terms等。

不知道 query string 检索类型已经实现了:“AND OR NOT” 与或非检索。

自己实现花了时间不说,也不如 query string 自身实现考虑的全面。

第三:数百个 wildcard 模糊匹配组合导致演示现场集群宕机

这个我在这篇文章有过详细说明,不再赘述。

如上,回头看,出现问题体现在:

  • 检索类型了解不全,拿来就用;

  • 不能分辨不同检索类型的应用场景和可能的副作用;

  • 项目着急只关注了能用,没有关注“用好”、“好用”。

2、精准匹配检索和全文检索的本质区别

本文继续缩小范围,把重心缩小为最常用的:精准匹配检索、全文检索、组合检索三种类型。

精准匹配检索和全文检索的本质区别:

  • 精准匹配把检索的整个文本不做分词处理,当前一个串整体处理。

  • 而全文检索需要分词处理,对分词后的每个词单独检索然后大bool组合检索。

文章后续内容以如下数据示例展开讨论:

PUT test-0415
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "ik_max_word",
        "fields": {
          "keyword": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

POST test-0415/_bulk
{"index":{"_id":1}}
{"title":"乌兰图雅经典歌曲30首连播 标清_手机乐视视频"}
{"index":{"_id":2}}
{"title":"乌兰县地区生产总值22.9亿元 "}
{"index":{"_id":3}}
{"title":"乌兰新闻网欢迎您!"}
{"index":{"_id":4}}
{"title":"乌兰:你说急什么呢,我30岁了"}
{"index":{"_id":5}}
{"title":"千城胜景丨胜境美誉 多彩乌兰"}

精准匹配和全文检索的区别,如下一例说得清楚:

POST test-0415/_search
{
  "query": {
    "match": {
      "title": "乌兰新闻网欢迎您!"
    }
  }
}

召回数据(只截取了title)如下:

也就是说:检索“乌兰新闻网欢迎您!”召回了全部数据!

为啥?

检索语句加上“profile:true”,一探究竟:

一句话:match_query 在检索的时候将待检索字符串做了分词处理。

如上所示:检索的时候“乌兰新闻网欢迎您”切词后变成 [ “乌兰”, "新闻网", "新闻”,“网”,“欢迎您”, “欢迎”, “您”]。

有同学会问,咋分的呢?通过 analyzer API 可以看出。

然后,我们再看一下精准匹配的检索实现。

POST test-0415/_search
{
  "profile": true, 
  "query": {
    "term": {
      "title.keyword": "乌兰新闻网欢迎您!"
    }
  }
}

profile:true 看到结果如下:

也就是说,精准匹配是拿整个文本串一起 term query检索的,不做分词处理。

有了这个大前提,后面才好理解一些。

接下来,分类解读各个搜索特点及应用场景。

3 精准匹配检索

3.1 Term 单字段精准匹配、

  • Term query 应用场景:单值精准匹配。

  • 注意点:避免将 term query 应用到 text 类型的检索。

再延伸一些,Term 检索针对的是非 text 类型,term 针对 text 类型并不会报错,但结果会达不到预期。

有同学说:我非要将 text 类型应用 term query会怎么样?来吧,看一下效果:

DELETE my-index-000001
# 不指定分词器就使用默认:standard 分词器。
PUT my-index-000001
{
  "mappings": {
    "properties": {
      "full_text": {
        "type": "text"
      }
    }
  }
}
# 写入数据
PUT my-index-000001/_doc/1
{
  "full_text": "Quick Brown Foxes!"
}

# 执行检索,并不会召回数据
GET my-index-000001/_search?pretty
{
  "profile": true, 
  "query": {
    "term": {
      "full_text": "Quick Brown Foxes!"
    }
  }
}

检索结果如上图所示,为啥没有召回结果数据?

原因在于:写入的时候,Quick Brown Foxes! 经过默认分词器 standard 处理后,转化为:quick、brown、foxes 存储。

而检索的时候,咱们检索的是:“Quick Brown Foxes”,如下所示。所以:没有数据召回。

3.2 Terms 多字段精准匹配

  • Terms query 应用场景:多值精准匹配。

注意点:同 term query核心区别:terms query 支持多个值,而 term query 仅支持单个值。

3.3 Range 范围检索

  • Range query 应用场景:区间范围检索。

注意点1:当“search.allow_expensive_queries”设置为 false 时,range query 在 text 和 keyword 类型的检索不能被执行。

注意点2:range query 对 text、keyword 类型的区间检索实际意义不大。

3.4 Exists 是否存在检索

  • Exists query 应用场景:判定字段是否有值。

特例很多,建议参考官方文档,这里仅强调一个:

DELETE test-0001
PUT test-0001
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "index": false
      }
    }
  }
}

POST test-0001/_bulk
{"index":{"_id":1}}
{"title":"1"}

POST test-0001/_search
{
  "profile": true, 
  "query": {
    "exists": {
      "field": "title"
    }
  }
}

如上的 exists query 本质上走的是:“ConstantScore(NormsFieldExistsQuery [field=title])“ 检索,由于 title 字段没有被索引,所以没有结果召回。

3.5 Wildcard 类Mysql like 检索

Wildcard 应用场景:通配符检索,类似 MySQL like 查询。

注意:非必要,不使用。看下面截图就知道原因。

推荐阅读:Elasticsearch 警惕使用 wildcard 检索!然后呢?

3.6 prefix 前缀匹配检索

  • prefix Query应用场景:前缀匹配。

先看一个社区实战问题:https://elasticsearch.cn/question/12595

比如我有3个文档,采用ik_max_word分词。

1. 考试专题

2. 测试考试成绩

3. 新动能考试

如何做到真正的前缀搜索?

prefix 可以搞定,针对 keyword 类型才可以。

DELETE test0416
PUT test0416
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "ik_max_word", 
        "fields": {
          "keyword": {
            "type": "keyword"
          }
        }
      }
    }
  }
}


POST test0416/_bulk
{"index":{"_id":1}}
{"title":"考试专题"}
{"index":{"_id":2}}
{"title":"测试考试成绩题"}
{"index":{"_id":3}}
{"title":"新动能考试"}


POST test0416/_search
{
  "query": {
    "prefix": {
      "title.keyword": {
        "value": "考试"
      }
    }
  }
}

3.7 Terms set 检索

Terms set Query 应用场景:term query 检索 1个满足条件,terms query检索多个满足条件,而 Terms set query 介于两者中间。

3.8 Fuzzy 支持编辑距离的模糊查询

Fuzzy Query 应用场景:返回包含与搜索词相似的词的文档,也就是说:有一定的类似纠错功能。

3.9 IDs 检索

IDS query:基于 ID 组召回数据。

3.10 Regexp 正则匹配检索

Regexp Query:基于正则表达式的检索。

使用建议:非必要不使用

4、全文检索类型

4.1 Match 检索

  • Match Query 应用场景:召回率要求高、精准度要求不高的场景。

  • 使用建议:精准度要求高的场景慎用。

如前所述,Match 的本质:大 bool + term query 组合体。

4.2 Match phrase 短语检索

  • Match phrase Query 应用场景:更注重精准度召回的场景,match query 如果叫做分词检索的话,match phrase 叫短语匹配检索更为合适。

注意1:检索的时候可以指定分词器。

注意2:分词器指定不同,拼接的串中字符的切分粒度不同。

如下两个截图分别使用了:standard 标准分词器以及 ik_smart 粗粒度 IK 分词器。

4.3 Multi-match 检索

  • Multi-match query 应用场景:多字段的 match query。

注意:多字段就涉及评分的整合,所以会有:most_fields、best_fields、cross_fields 等评分方式。

4.4 Match_phrase_prefix 检索

  • Match_phrase_prefix query 应用场景:短语匹配+前缀匹配的组合体,适用于短语前缀匹配。

如下所示:

个人认为,新闻、新闻网是根据已有文本的 IK 分词(写入时指定的分词器 ik_max_word)的结果。

4.5 query_string 检索

  • query_string query 应用场景:与或非表达式的检索。

AND:代表与,OR 代表或,NOT 代表非。

非常复杂的语法,建议参考官方文档。

4.6 simple_query_string 检索

simple_query_string 应用场景:同 query_string 。

核心不同点:simple_query_string 在语法不对时,并不会报错。

还有几种:Intervals query、Match boolean prefix query、Combined fields query,应用场景相对受限,我没有展开,大家根据官方文档选型即可。

5 组合检索类型

如果把上文的“精准匹配检索”和“全文检索”比作单兵种作战,那么组合检索就可以看做“海陆空”全方位作战。

组合检索主要分为两大类:bool 组合检索和自定义评分检索。

5.1 bool 组合检索

适用场景:复杂条件的组合检索。当单个或者单类检索条件不能适配复杂组合检索的时候,优先考虑 bool 组合条件检索。

其下可以包含但不限于:

  • must:必须满足条件。
  • must_not:必须不满足条件(忽略评分,召回数据评分为0)。
  • filter:过滤条件(忽略评分,召回数据评分为0),可以借助缓存提升性能。
  • should:部分条件满足,由minmum_should_match控制。


5.2 自定义评分检索

适用场景:传统基于BM25(词频TF、逆文档频率IDF)机制不能满足评分要求,某一个或者多个字段需要提升、降低或者修改权重比例的时候,优先考虑自定义评分实现。

如果自定义评分也无法满足,那只能自己开发评分插件实现。

自定义评分推荐阅读:实战 | Elasticsearch自定义评分的N种方法

6、总结

说到这里,开篇问题基本都能回答上了。检索类型选型流程参考如下:

全文检索(Full text query)类检索

- Match 适用于:召回率高、精准度不高的场景;

- Match phrase 适用于:精准度高、召回率不高的场景;

- Match phrase prefix 适用于:短语前缀匹配检索;

- Mulit-match 适用于:多字段检索;

- Query string 适用于:支持与或非表达式的检索;

- Simple query string:较 query string 容错率高的场景;

精准匹配(Term-level query)类检索

- Term 适用于:单字段精准匹配;

- Terms 适用于:多字段精准匹配;

- Range 适用于:范围检索;

- Exists 适用于:判定是否存在检索;

- Wildcard 适用于:类Mysql like 检索,非必要不使用;

- prefix 适用于:前缀匹配检索;

- Fuzzy 适用于:支持编辑距离的模糊查询;

- IDs 适用于:基于文档id组检索的场景;

- Regexp 适用于:正则匹配检索,非必要不使用。


大家有好的选型意见和建议,欢迎留言讨论。

参考

https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html

推荐

1、重磅 | 死磕 Elasticsearch 方法论认知清单(2021年国庆更新版)2如何从0到1打磨一门 Elasticsearch 线上直播课?(口碑不错)3、如何系统的学习 Elasticsearch ?4、Elasticsearch是一把梭,用起来再说?!

更短时间更快习得更多干货!

和全球 1600+ Elastic 爱好者一起精进!


比同事抢先一步学习进阶干货!

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存