17、match_phrase query 短语匹配搜索

　　实现两个需求：

1. java spark，就靠在一起，中间不能插入任何其他字符，就要搜索出来这种doc
2. java spark，但是要求，java和spark两个单词靠的越近，doc的分数越高，排名越靠前

　　要实现上述两个需求，用match做全文检索，是不行的，必须得用proximity match，近似匹配

　　phrase match：短语匹配
　　proximity match：近似匹配

　　match phrase query，就是要去将多个term作为一个短语，一起去搜索，只有包含这个短语的doc才会作为结果返回

　　添加数据

POST /forum/_update/5
{   
  "doc":{
     "articleID" : "XHDK-A-1293-#fJ3", 
     "userID" : 1,
     "hidden": false, 
     "postDate": "2017-01-01",
     "content":"spark is best big data solution based on scala ,an programming language similar to java spark"
  }
}

　　短语查询

GET /forum/_search
{
  "query":{
    "match_phrase": {
      "content": "java spark"
    }
  }
}

　　term position

　　分词后，每个单词就是一个term，分词后 ， es还记录了 每个field的位置。

　　举个例子 两个doc 如下：

　　hello world, java spark doc1
　　hi, spark java doc2

　　建立倒排索引后

　　

 

 　　通过如下API来看下

GET _analyze
{
  "text": "hello world, java spark",
  "analyzer": "standard"
}

　　返回

{
  "tokens": [
    {
      "token": "hello",
      "start_offset": 0,
      "end_offset": 5,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "world",
      "start_offset": 6,
      "end_offset": 11,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "java",
      "start_offset": 13,
      "end_offset": 17,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "spark",
      "start_offset": 18,
      "end_offset": 23,
      "type": "<ALPHANUM>",
      "position": 3
    }
  ]
}

　　match phrase的原理

　　首先 java spark 被拆成 java和spark ，分别取索引中查找

java  出现在    doc1(2)    doc2(2)
spark 出现在  doc1(3)    doc2(1)

　　每个term都在的一个共有的那些doc，就是要求一个doc，必须包含每个term，才能拿出来继续计算

　　doc1 --> java和spark --> spark position恰巧比java大1 --> java的position是2，spark的position是3，恰好满足条件

　　doc1符合条件

　　doc2 --> java和spark --> java position是2，spark position是1，spark position比java position小1，而不是大1 --> 光是position就不满足，那么doc2不匹配 .