fuzzy 与 wildcard 高级查询｜Elasticsearch 七日笔记 12

学习目标

• 掌握高级查询功能，包括模糊查询（fuzzy）和通配符查询（wildcard），提升搜索的灵活性和容错性。

本文继续沿用第 7 篇准备的 users 数据。

模糊查询（fuzzy）

• 定义：
  • fuzzy 查询容忍拼写错误，基于编辑距离匹配。
• 特点：
  • 适用于 text 字段。
  • 编辑距离（Levenshtein Distance）：插入、删除或替换字符的次数。
• 示例：

  GET /users/_search
  {
    "query": {
      "fuzzy": {
        "name": {
          "value": "Alce",
          "fuzziness": "AUTO"
        }
      }
    }
  }

  • 返回：匹配“Alice”（编辑距离 1）。
• 参数：
  • fuzziness：
    • AUTO：词长 ≤ 2（0），3-5（1），>5（2）。
    • 1 或 2：固定编辑距离。
  • max_expansions：最大扩展词，默认 50。
• 机制：
  • “Alce”扩展为“Alice”等候选词，逐一匹配。

通配符查询（wildcard）

• 定义：
  • wildcard 查询使用通配符（* 和 ?）匹配模式。
• 特点：
  • 适用于 keyword 字段。
  • *：任意字符，?：单个字符。
• 示例：

  GET /users/_search
  {
    "query": {
      "wildcard": {
        "name.keyword": "A*"
      }
    }
  }

  • 返回：匹配“Alice”、“Alex”等。
• 注意：
  • 对 text 字段需用 .keyword 子字段。
• 性能：
  • 比 fuzzy 慢，适合小数据集。

高级查询特性

• fuzzy：拼写容错，性能较慢。
• wildcard：模式匹配，需精确字段。

动手实践：高级查询

目标

• 测试 fuzzy 和 wildcard 查询。

步骤

1. fuzzy 查询：
   • 运行：

     GET /users/_search
     {
       "query": {
         "fuzzy": {
           "name": {
             "value": "Alce",
             "fuzziness": "AUTO"
           }
         }
       }
     }

   • 预期：匹配“Alice Smith”和“Alice Lee”。
2. wildcard 查询：
   • 运行：

     GET /users/_search
     {
       "query": {
         "wildcard": {
           "name.keyword": "A*"
         }
       }
     }

   • 预期：匹配以“A”开头的所有名字。
3. 验证：
   • 检查返回的 hits.hits。

注意事项

• fuzzy 需 text 字段。
• wildcard 用 .keyword。

关键点

• fuzzy：
  • 容错拼写，fuzziness 控制范围。
• wildcard：
  • 通配符匹配，适用于 keyword。
• 性能：
  • 高级查询较慢，慎用大数据。

常见问题及解决方法

1. 问题：fuzzy 匹配过多。
   • 原因：fuzziness 过大。
   • 解决：设为 1 或 2。
2. 问题：wildcard 无结果。
   • 原因：字段类型不匹配。
   • 解决：用 .keyword。

学习建议

• 动手实践：
  • 测试多种 fuzziness 值。
• 优化查询：
  • 结合 bool 和高级查询，缩小范围。
• 性能测试：
  • 比较 fuzzy 和 wildcard 的响应时间。

总结

第四天通过理论学习，你掌握了聚合（terms 和 avg）、分析器和高级查询（fuzzy 和 wildcard）；通过实践操作，你在 Kibana 中执行了统计和复杂搜索，理解了数据分析和容错机制。这是 ES 高级功能的起点，为明天的 Java 集成铺平道路。准备好用代码操作 ES 吧！