Elasticsearch 支持哪些类型的查询？

ElasticSearch面试考题 0 66

参考回答

Elasticsearch 支持多种类型的查询，这些查询可以分为几类，涵盖了从全文检索到精确匹配、过滤、聚合等多种场景。以下是 Elasticsearch 支持的主要查询类型及其使用场景：

1. 精确查询（Term Query）

用途：用于精确匹配，不会对查询词进行分词。适用于存储不需要分词的字段（如关键词、ID、状态字段等）。
特点：查询词和字段内容必须完全匹配。
示例：
“`json
{
"query": {
"term": {
"category": "electronics"
}
}
}
“`

2. 全文查询（Match Query）

用途：用于全文搜索，适用于文本字段。match 查询会自动将查询词进行分词，并与索引中的分词进行匹配。
特点：支持分析（分词），适用于处理长文本字段。
示例：
“`json
{
"query": {
"match": {
"description": "quick brown fox"
}
}
}
“`

3. 布尔查询（Boolean Query）

用途：用于组合多个查询条件。bool 查询支持 must（必须匹配）、should（应该匹配）、must_not（不能匹配）和 filter（过滤）等子句，可以进行逻辑组合，适用于复杂查询。
特点：非常灵活，支持多条件组合，能模拟 AND、OR、NOT 等逻辑运算。
示例：
“`json
{
"query": {
"bool": {
"must": [
{ "match": { "category": "electronics" }},
{ "range": { "price": { "gte": 100 }}}
],
"should": [
{ "match": { "brand": "Samsung" }}
],
"must_not": [
{ "term": { "color": "black" }}
]
}
}
}
“`

4. 范围查询（Range Query）

用途：用于查询字段值在某个范围内的文档，常用于数值、日期等字段。
特点：支持大于、小于、等于等范围比较。
示例：
“`json
{
"query": {
"range": {
"price": {
"gte": 100,
"lte": 500
}
}
}
}
“`

5. 模糊查询（Fuzzy Query）

用途：用于模糊匹配，适合拼写错误或相似匹配的情况。基于 Levenshtein 编辑距离算法，支持容忍字符差异的匹配。
特点：允许一定的字符差异，常用于处理拼写错误或类似词的查询。
示例：
“`json
{
"query": {
"fuzzy": {
"name": {
"value": "laptop",
"fuzziness": "AUTO"
}
}
}
}
“`

6. 短语查询（Phrase Query）

用途：用于精确匹配短语或多个词的顺序，适用于搜索短语或完整句子。
特点：查询词的顺序和位置必须与索引中的内容完全匹配。
示例：
“`json
{
"query": {
"match_phrase": {
"description": "quick brown fox"
}
}
}
“`

7. 前缀查询（Prefix Query）

用途：用于查找以特定前缀开头的词条，适用于自动补全或搜索建议。
特点：适合处理自动完成的场景。
示例：
“`json
{
"query": {
"prefix": {
"name": "lap"
}
}
}
“`

8. 通配符查询（Wildcard Query）

用途：用于匹配带有通配符的词条，支持 *（匹配任意字符）和 ?（匹配单个字符）。
特点：适用于需要动态匹配某些字符模式的情况，性能相对较差，尤其是在大数据集上。
示例：
“`json
{
"query": {
"wildcard": {
"name": "l*top"
}
}
}
“`

9. 正则表达式查询（Regexp Query）

用途：用于基于正则表达式进行查询，提供更强大的模式匹配能力。
特点：可以使用正则表达式进行灵活的模式匹配，但性能较差，特别是在大量数据上使用时。
示例：
“`json
{
"query": {
"regexp": {
"name": "l.*p"
}
}
}
“`

10. 组合查询（Multi-Match Query）

用途：用于在多个字段上执行匹配查询，适用于在多个字段中进行相同的搜索。
特点：通过指定多个字段，Elasticsearch 可以在多个字段上执行匹配查询。
示例：
“`json
{
"query": {
"multi_match": {
"query": "laptop",
"fields": ["name", "description"]
}
}
}
“`

11. 建议查询（Suggest Query）

用途：用于拼写纠错、自动补全和查询推荐等。通过 suggest 查询，Elasticsearch 可以为输入的查询词生成拼写推荐。
特点：适用于拼写纠错和实时建议功能，提供输入词的自动纠错或补全。
示例：
“`json
{
"suggest": {
"text": "laptp",
"term": {
"field": "name"
}
}
}
“`

12. 聚合查询（Aggregation Query）

用途：用于执行统计分析操作，如统计文档数量、求和、平均值、最大值、最小值等。
特点：能够对数据进行多维度的分组和分析，适合用于数据汇总和报表生成。
示例：
“`json
{
"query": {
"match_all": {}
},
"aggs": {
"avg_price": {
"avg": {
"field": "price"
}
}
}
}
“`

13. 排序和分页（Sorting and Pagination）

用途：用于根据特定字段对查询结果进行排序，或通过分页来获取部分查询结果。
特点：支持通过字段值或相关度（_score）对结果进行排序，适用于高效获取大量数据。
示例：
“`json
{
"query": {
"match_all": {}
},
"sort": [
{
"price": {
"order": "asc"
}
}
]
}
“`

14. 复合查询（Composite Query）

用途：用于在多个字段上执行组合查询，并支持分页。
特点：非常适合处理大数据集中的分面聚合和多字段排序。
示例：
“`json
{
"query": {
"match_all": {}
},
"aggs": {
"categories": {
"composite": {
"sources": [
{ "category": { "terms": { "field": "category" }}},
{ "price_range": { "range": { "field": "price", "ranges": [{ "to": 100 }, { "from": 100, "to": 500 }] }}}
]
}
}
}
}
“`

总结

Elasticsearch 提供了丰富的查询类型，满足不同场景下的搜索需求。常见的查询类型包括：
– 精确查询（term）用于精确匹配；
– 全文查询（match）用于处理长文本字段；
– 布尔查询（bool）用于组合多个查询条件；
– 范围查询（range）用于查询数值、日期范围；
– 模糊查询（fuzzy）用于拼写错误匹配；
– 多字段查询（multi_match）用于同时搜索多个字段。

通过灵活组合这些查询类型，Elasticsearch 能够提供高效、精确的搜索功能，适应不同的业务需求。