原文：https://blog.csdn.net/JineD/article/details/106650695

首先從ES的支持的字段說起，ES文檔中字段有多種類型 官方文檔。這幾個比較常用:text,keyword,integer,float,boolean,object,geo_point(地理坐標),geo_shape(描述地理區(qū)域)，date.注：不要以為date只能表示 2015-01-01 這種類型，2015/01/01 12:10:30這種類型也一樣可以，不像MySQL里面時間還分很多種細分的類型，ES就一個date類型。注意：這里沒有列出array，在ES中，array不是一種單獨的類型，但是你可以往ES里面存數(shù)組，這個地方有點難以理解，舉個例子：文檔里面我要定義一個字段叫 friends ,用來存儲用戶的朋友列表，用 text 類型定義字段：'friends' => [ 'type' => 'text']看似這僅僅定義了一個text類型的字段，并不是我們想要的數(shù)組，重點解釋來了，雖然我們的friends是字符串類型，但是我們在存入數(shù)據(jù)的時候 往 friends里面存儲兩個或者三個字符串，他就變成數(shù)組了！其實這句話描述還是不準確，不是從字符串變成數(shù)組，而是多個字符串組成了一個數(shù)組！插入數(shù)據(jù)：$this->putDoc([ 'first_name' => $this->faker->name, 'last_name' => $this->faker->name, 'age' => $this->faker->numberBetween(20,80), 'height' => (float)($this->faker->numberBetween(160,200)/100), 'friends' => [ $this->faker->name(), $this->faker->name(), $this->faker->name(), $this->faker->name() ]]);這個putDoc來得有點突然是不是？因為這是延續(xù)上一篇文章的續(xù)集，請看上一篇文章 使用PHP操作ElasticSearch。注意：faker是用來隨機生成數(shù)據(jù)的，詳細信息參考谷歌。你看，friends明明是 text 類型，但是我在插入的時候插入了多條數(shù)據(jù)，他變成了一個字符串類型的集合，前面我說他是數(shù)組，這個地方我把他說成是集合，這回更準確了，因為數(shù)組在ES中查詢是不能保證順序的，所以集合更準確，官方文檔中也表示他更像集合。再說一下object,模板里面這樣定義:'info' => [ 'type' => 'object', 'properties' => [ 'country' => [ 'type' => 'text', 'analyzer' => 'ik_max_word' ], 'sex' => [ 'type' => 'keyword' ] ]]這里定義了一個對象文檔，指定了下面兩個屬性的基本信息，但是不代表這個對象就只能存儲兩個屬性，比如我還可以在添加文檔的時候往里面添加一個skin 膚色的字段，完全沒有問題，只不過這里定義的兩個字段我們設置了類型和具體的analyzer,沒有在這里定義，但是我們實際上添加了的字段比如skin，ES會自動設置正確的類型，以及默認的analyzer。存入數(shù)據(jù)：'info' => [ 'country' => ['中國','印度','法國','英國','瑞士','剛果共和國'][random_int(0,5)], 'sex' => ['男','女'][random_int(0,1)], 'skin' => ['白','黑','黃'][random_int(0,2)],]還有一個keyword，他和text都表示字符串，區(qū)別在于 keyword里面的值不會被分詞器分詞，text里面的值會被分詞器智能拆分，記住這一點，這一點非常重要，后面還會講到這個區(qū)別。在定義text字段的時候 analyzer和index你需要清楚的地方：'last_name' => [ 'type' => 'text', //'analyzer' => 'standard', // 這個地方不設置analyzer會默認standard //'index' => false]analyzer不設置analyzer會默認standard。對于老版本的 ES，這里的index允許設置為 analyzed/not_analyzed/no，大部分網(wǎng)絡上的文章都是這樣講的，但是，最新版本已經(jīng)移除了這些選項，現(xiàn)在只能是 true或false，所以我建議當你有一點基礎后，通讀一下官方最新文檔，雖然是英文的。如果這里設置為false,這個字段不加入索引，不能在查詢條件中出現(xiàn)，默認為true等一下，這里突然發(fā)現(xiàn)有點不對勁，以前可以設置 分析/不分析/不索引，現(xiàn)在只能設置索引和不索引了，如果想實現(xiàn)索引且不分析，那keyword類型剛好符合，而text字段是為分析而生的。ES中的搜索分兩個概念，匹配和過濾匹配通常針對的是 text 類型的字段，而過濾針通常對的精確的類型，比如 integer,keyword,date等，之所以加了通常二字，說明他們之間沒有明確的規(guī)定，匹配可以去匹配data,integer等類型，過濾也可以去過濾text字段，通過匹配的方式去找精確類型通常不會出現(xiàn)什么問題，通過過濾去找text類型的數(shù)據(jù)通常會得到意外的結果。謹記：如果沒有特殊情況，匹配針對text類型,過濾針對其他類型，但是對于精確類型使用過濾的性能通常比匹配更高，所以能使用過濾的地方都過濾。注意：這里要區(qū)別一下MySQL中的過濾概念，MySQL中的過濾是對查找后的數(shù)據(jù)進行過濾，而在ES中，過濾和匹配都等同于MySQL中的查找，匹配適合查找模糊數(shù)據(jù)，過濾適合查找精確數(shù)據(jù)而已。為了簡化代碼，下面的搜索都基于一下這份代碼，更改的部分只是 $query:$params = [ 'index' => $this->index, 'type' => $this->type, 'body' => array_merge([ 'from' => $from, 'size' => $size ],$query)];常用的過濾：term(精確查找)查找倪玲為44的數(shù)據(jù)$query = [ 'query' => [ 'term' => [ 'age' => 44 ] ]];terms(精確查找多個字段)查找年齡為 44或55或66的數(shù)據(jù)$query = [ 'query' => [ 'terms' => [ 'age' => [44,55,66] ] ]];range(范圍查找)$query = [ 'query' => [ 'range' => [ 'age' => [ 'gt' => 43, 'lt' => 45 ] ] ]];exists(等同于MySQL中的 is not null),查找存在age屬性的文檔$query = [ 'query' => [ 'exists' => [ 'field' => 'age' ] ]];missing(等同于 MySQL中的 is null),注意：這個過濾方法在2.x版本就廢棄了，請使用 must_not 嵌套 exists 來實現(xiàn)bool(用來組合其他過濾條件，包含 must,must_not,should操作)$query = [ 'query' => [ 'bool' => [ 'should' => [ 'range' => [ 'height' => ['gt' => 1.8] ] ], 'must_not' => [ 'term' => [ 'info.sex' => '女' ] ], 'must' => [ [ 'term' => [ 'info.country' => '法國' ] ], [ 'term' => [ 'info.skin' => '白' ] ] ] ] ]];上面這個查詢的意思是，身高應該大于1.8,性別不能是女，國家是法國且膚色是黑色。這里country實際上是text類型，但是我任然通過過濾的方法找到了正確的值，但是這種方式是非常危險的，這里之所以找到了正確的值，是因為country類型很簡單，碰巧analyzer(這里用的ik，如果是standard就沒那么好運了)沒有對其進行拆分。常用的查詢：match(匹配一個字段)$query = [ 'query' => [ 'match' => [ 'height' => '1.8' ] ]];match_all(匹配所有文檔，相當于沒有條件)等于是 $query = []multi_match(匹配多個字段)匹配姓和名里面包含 'Riley Libby Preston' 的數(shù)據(jù)$query = [ 'query' => [ 'multi_match' => [ 'query' => 'Riley Libby Preston', 'fields' => ['first_name','last_name'] ] ]];bool(用來組合其他匹配條件，包含 must,must_not,should操作)$query = [ 'query' => [ 'bool' => [ 'should' => [ 'match' => [ 'height' => '1.8' ] ], 'must_not' => [ 'match' => [ 'info.sex' => '男' ] ] ] ]];在實際使用中，匹配和過濾都是混合搭配使用的，比如：$query = [ 'query' => [ 'bool' => [ 'should' => [ 'match' => [ 'height' => '1.8' ] ], 'must_not' => [ 'term' => [ 'info.sex' => '女' ] ], 'must' => [ [ 'match' => [ 'info.country' => '法國' ] ], [ 'match' => [ 'info.skin' => '白' ] ] ] ] ]];match時常會出現(xiàn)一些怪異的現(xiàn)象，如果你不清楚你用的analyzer，比如這個例子：$query = [ 'query' => [ 'bool' => [ 'must' => [ [ 'match' => [ 'last_name' => 'Hamill' ] ], [ 'match' => [ 'info.country' => '法國' ] ] ] ] ]];這個查詢的需求是選出last_name中匹配到Hamill并且國家匹配到法國的結果，但是查詢的結果是這樣的，last_name 的中包含 Hamill，在我們意料之中，但是 country出現(xiàn)了英國，法國等很多國家，這個太意外了，現(xiàn)在來改造一下這個 $query,很小的改造，只需要把法國改成法，再次查詢，這次的結果完美的實現(xiàn)了我們的需求。原因在于：文檔中的法國二字被analyzer拆分成 (法，國) 存儲在索引中，同理，英國被拆分為 (英，國)，現(xiàn)在你搜索法國的時候，你的這個搜索詞默認會被拆分成 (法，國),然后拿著這兩個詞去分別查找，第一個法可以匹配所有法國，第二個國字可以匹配到英國，美國等所有包含國字的結果。現(xiàn)在你知道結果的形成原因了。這個很大程度上上取決于你使用的analyzer，不同的analyzer分詞的策略不一樣，所以你有必要先搞明白你用的分詞器。他的大概分詞策略，上面這個例子沒有指定analyzer，是ES默認的分詞器在起作用，當我指定analyzer為 ik_max_word后，情況發(fā)生了變化，這個時候法國被當成了一個整體，沒有被拆分。可以通過簡單的測試來看看具體分詞器的分詞方式：$params = [ 'body' => [ 'analyzer' => 'ik_max_word', //默認 standard 'text' => '我在廣場吃著炸雞' ]];return $this->EsClient->indices()->analyze($params);默認分詞器standard會把這句話簡單的拆分成單個字，而ik相對就更懂中文一點，拆分出來的詞更有語義化，大部分的analyzer對英文的分詞都基于空格拆分。想要獲取學習實戰(zhàn)、高并發(fā)、架構?、筆試面試資料請掃碼咨詢+薇薇微信

總結

以上是生活随笔為你收集整理的es multi match_PHP 的ES搜索操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。