比如：要求实现SQL中like “%xxxx%”的匹配效果。
wildcard通配
这种效果在ES中最匹配的做法是用wildcard query通配，这种情况不会对query分词，而是直接遍历倒排索引逐个匹配计算，性能是无法想象的，大家慎用。
match全文匹配
效果最差的做法是用match全文检索，这种情况只要query分词的任何一个term出现在倒排中，就会召回文档，所以很容易搜出一些八竿子打不着的文档。
term匹配
如果你的搜索词本身不需要分词，只是一个term的话，那么直接走term query是最方便的。
match_phrase短语匹配
推荐一个折衷性能与准确度的做法就是用match_phrase短语匹配。
match_phrase的原理是对query分词，要求所有的term都出现在倒排中，并且连续且顺序一致的排列，下面一起看个例子。
我们采用ik_smart中文分词器，对”青岛上合蓝”分词：
|
1
2
3
4
5
6
7
|
[
'index' => 'article',
'body' => [
'analyzer' => 'ik_smart',
'text' => '青岛上合蓝',
]
]
|
得到结果：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
{
"tokens": [{
"token": "青岛",
"start_offset": 0,
"end_offset": 2,
"type": "CN_WORD",
"position": 0
}, {
"token": "上合",
"start_offset": 2,
"end_offset": 4,
"type": "CN_WORD",
"position": 1
}, {
"token": "蓝",
"start_offset": 4,
"end_offset": 5,
"type": "CN_WORD",
"position": 2
}]
}
|
大家看到，每个term都有一个position字段标识了term的位置，这将直接影响match_phrase是否可以召回。
接着我们进行搜索，query搜索词是：”上合蓝”，分词结果如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
{
"tokens": [{
"token": "上合",
"start_offset": 0,
"end_offset": 2,
"type": "CN_WORD",
"position": 0
}, {
"token": "蓝",
"start_offset": 2,
"end_offset": 3,
"type": "CN_WORD",
"position": 1
}]
}
|
“上合”与”蓝”的position紧密排列，与之前”青岛上合蓝”中的”上合”与”蓝”顺序一致且连续，所以match_phrase搜索”上合蓝”可以召回上述的”青岛上合蓝”。
相反，如果你query搜索”青岛蓝”，那么”青岛”与”蓝”中间少了一个”上合”，所以无法召回：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
{
"tokens": [{
"token": "青岛",
"start_offset": 0,
"end_offset": 2,
"type": "CN_WORD",
"position": 0
}, {
"token": "蓝",
"start_offset": 2,
"end_offset": 3,
"type": "CN_WORD",
"position": 1
}]
}
|
所以，match_phrase的确可以解决我们的这个场景。
因为match_phrase需要分词，所以如果分词效果不好（词库不足），query就会产生不同于doc的term，如果term都不同就肯定无法匹配了。
但是大家要注意，match_phrase与ik_max_word分词器是无法一起工作的，因为ik_max_word分词的term具有重叠问题，下面举个栗子：
先用ik_max_word分词：
|
1
2
3
4
5
6
7
|
[
'index' => 'article',
'body' => [
'analyzer' => 'ik_max_word',
'text' => '青岛上合蓝',
]
]
|
得到：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
{
"tokens": [{
"token": "青岛",
"start_offset": 0,
"end_offset": 2,
"type": "CN_WORD",
"position": 0
}, {
"token": "岛上",
"start_offset": 1,
"end_offset": 3,
"type": "CN_WORD",
"position": 1
}, {
"token": "岛",
"start_offset": 1,
"end_offset": 2,
"type": "CN_WORD",
"position": 2
}, {
"token": "上合",
"start_offset": 2,
"end_offset": 4,
"type": "CN_WORD",
"position": 3
}, {
"token": "蓝",
"start_offset": 4,
"end_offset": 5,
"type": "CN_WORD",
"position": 4
}]
}
|
你从”岛上”，”岛”就能看出，它的term之间具有重叠情况，这与ik_smart是完全不同的，因为ik_max_word的目标是尽可能产生更多的term组合，一般用于全文检索提高召回率。
接着我们搜索下面的query：
|
1
2
3
4
5
6
7
|
[
'index' => 'article',
'body' => [
'analyzer' => 'ik_max_word',
'text' => '青岛',
]
]
|
分词结果：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
{
"tokens": [{
"token": "青岛",
"start_offset": 0,
"end_offset": 2,
"type": "CN_WORD",
"position": 0
}, {
"token": "岛",
"start_offset": 1,
"end_offset": 2,
"type": "CN_WORD",
"position": 1
}]
}
|
“青岛”与”岛”之间差着一个”岛上”，结果就是match_phrase不匹配。
最后给大家一个结论：
如果大家用match_phrase的话，需要注意2个方面：1）分词器不准会影响召回；2）只能用ik_smart。
其他对于ES 默认分词等其他分词同样适用
原文链接：https://yuerblog.cc/2018/09/13/ik-with-match_phrase