《Elasticsearch:权威指南》Query DSL -- Term-level queries --Term Query
Term Query(精确词查询)
精确词查询查找倒排索引中指定的精确词的文档。 例如：
精确词查找特指keyword类型数据，未经分词处理。
POST twitter/_search
{
"query": {
"term" : { "user" : "Kimchy" } //查询user字段并且值为Kimchy的文档
}
}
注意：这里的Kimchy中的
K是大写的，在《Elasticsearch:权威指南》Document APIs – Index API 中的例子是小写的k，小心被坑死了
boost参数
为了讲解下面的boost参数，我们先把上面的例子改造一下，二者等价：
{
"query": {
"term": {
"user": { //user字段
"value": "kimchy", //value属性指向值
"boost": 1.0 //权重系数
}
}
}
}
一个字段，可以扩展为带有value和boost的结构，boost默认值为1.0
可以指定boost参数，以使该精确词查询比其他查询具有更高的相关性得分，例如：
GET _search
{
"query": {
"bool": {
"should": [
{
"term": {
"status": { //指status字段
"value": "urgent", //查询条件的值
"boost": 2.0 //权重设置2.0
}
}
},
{
"term": {
"status": "normal"
}
}
]
}
}
}
- 上面例子中urgent的boost值设置为2，说明重要性是2倍于normal
- boost默认值为1.0
为什么term query会匹配不到数据
字符串字段的类型可以是text（作为全文，如电子邮件的正文）或 keyword （作为精确值，如电子邮件地址或邮政编码）。精确值（如数字，日期和关键字）具有在字段中指定的确切值，该字段已添加到倒排索引中，以使其可搜索。
但是，text 字段是被分词处理的。这意味着它们的值首先会通过分析器生成一个词语列表，然后将其添加到倒排索引中。
分析文本的方法有很多：默认的标准分析器会删除大多数标点符号，将文本分解为单个单词，然后将其小写。例如，标准分析仪会将字符串“ Quick Brown Fox！”变成词语 [quick, brown, fox]。
通过这种分析过程，可以在一大段全文本中搜索单个单词。
term query 查询 会在字段的倒排索引中查找确切的字词-对该字段的分析器一无所知。这对于在关键字字段，数字字段或日期字段中查找值很有用。查询全文字段时，请使用match query 匹配查询，该查询可了解如何分析该字段。
为了演示，请尝试以下示例。首先，创建一个索引，指定字段映射，并为文档建立索引：
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"full_text": {
"type": "text" //text类型，会分词
},
"exact_value": {
"type": "keyword" //keyword类型，不会分词
}
}
}
}
}
PUT my_index/_doc/1
{
"full_text": "Quick Foxes!",
"exact_value": "Quick Foxes!"
}
-
full_text字段是 text类型，会分词
-
exact_value 字段是 keyword类型，不会分词
-
full_text 字段倒排索引 包含词语: [quick, foxes]，2个单词
-
exact_value 字段倒排索引包含词语: [Quick Foxes!]，一个单词
那么，下面来比较下term query 和 match query的不同之处：
GET my_index/_search
{
"query": {
"term": { //精确匹配
//能匹配到数据，因为未分词，内部存储‘Quick Foxes!’，一个完整字符串，与查询条件完全匹配
//等价于 表达式 "Quick Foxes!"== "Quick Foxes!"，结果“是”
"exact_value": "Quick Foxes!"
}
}
}
GET my_index/_search
{
"query": {
"term": { //精确匹配
//匹配失败，因为分词，内部存储为: [quick, foxes]，2个单词
// 等价于 表达式"Quick Foxes!"==quick or "Quick Foxes!"==foxes ，结果“否”
"full_text": "Quick Foxes!"
}
}
}
GET my_index/_search
{
"query": {
"term": { //精确匹配
//能匹配,因为分词，内部存储为: [quick, foxes]，2个单词
// 等价于 表达式 "foxes"in [quick, foxes]，结果“是”
"full_text": "foxes"
}
}
}
GET my_index/_search
{
"query": {
"match": { //模糊匹配
//能匹配，条件也会分词，内部存储也是分词
//等价于 表达式 [quick, foxes] in [quick, foxes] ，结果“是”
"full_text": "Quick Foxes!"
}
}
}
经过上面的例子，大致可以分清term query和math query了，首先term query查询条件不会分词，match query查询条件会分词，然后根据字段存储的格式，text会分词，内部拆分成多个词语，keyword不会分词，内部就保存一个完整的词。然后进行比较。
由于head插件不方便在发送get请求时，不会携带body参数，我们在linux上使用curl命令测试：
curl -XGET "10.40.164.63:9200/my_index/_search" --header "Content-Type:application/json" -d '
{
"query": {
"term": {
"exact_value": "Quick Foxes!"
}
}
}'