Elasticsearch結構化搜尋_在案例中實戰使用term filter來搜尋資料

1、根據使用者ID、是否隐藏、文章ID、發帖日期來搜尋文章

（1）插入一些測試文章資料

POST /forum/article/_bulk
{ "index": { "_id": 1 }}
{ "articleID" : "XHDK-A-1293-#fJ3", "userID" : 1, "hidden": false, "postDate": "2017-01-01" }
{ "index": { "_id": 2 }}
{ "articleID" : "KDKE-B-9947-#kL5", "userID" : 1, "hidden": false, "postDate": "2017-01-02" }
{ "index": { "_id": 3 }}
{ "articleID" : "JODL-X-1937-#pV7", "userID" : 2, "hidden": false, "postDate": "2017-01-01" }
{ "index": { "_id": 4 }}
{ "articleID" : "QQPX-R-3956-#aD8", "userID" : 2, "hidden": true, "postDate": "2017-01-02" }           

初步來說，就先搞4個字段，因為整個

es

是支援json document格式的，是以說擴充性和靈活性非常之好。如果後續随着業務需求的增加，要在document中增加更多的field，那麼我們可以很友善的随時添加field。但是如果是在關系型資料庫中，比如mysql，我們建立了一個表，現在要給表中新增一些column，那就很坑爹了，必須用複雜的修改表結構的文法去執行。而且可能對系統代碼還有一定的影響。

GET /forum/_mapping/article

{
  "forum": {
    "mappings": {
      "article": {
        "properties": {
          "articleID": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "hidden": {
            "type": "boolean"
          },
          "postDate": {
            "type": "date"
          },
          "userID": {
            "type": "long"
          }
        }
      }
    }
  }
}           

現在es 5.2版本，type=text，預設會設定兩個field，一個是field本身，比如articleID，就是分詞的；還有一個的話，就是field.keyword，articleID.keyword，預設不分詞，會最多保留256個字元

（2）根據使用者ID搜尋文章

GET /forum/article/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "userID" : 1
                }
            }
        }
    }
}           

term filter/query：對搜尋文本不分詞，直接拿去反向索引中比對，你輸入的是什麼，就去比對什麼

比如說，如果對搜尋文本進行分詞的話，“helle world” --> “hello”和“world”，兩個詞分别去反向索引中比對

term，“hello world” --> “hello world”，直接去反向索引中比對“hello world”

（3）搜尋沒有隐藏的文章

GET /forum/article/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "hidden" : false
                }
            }
        }
    }
}           

（4）根據發帖日期搜尋文章

GET /forum/article/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "postDate" : "2017-01-01"
                }
            }
        }
    }
}           

（5）根據文章ID搜尋文章

GET /forum/article/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "articleID" : "XHDK-A-1293-#fJ3"
                }
            }
        }
    }
}

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 0,
    "max_score": null,
    "hits": []
  }
}

GET /forum/article/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "articleID.keyword" : "XHDK-A-1293-#fJ3"
                }
            }
        }
    }
}

{
  "took": 2,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 1,
    "hits": [
      {
        "_index": "forum",
        "_type": "article",
        "_id": "1",
        "_score": 1,
        "_source": {
          "articleID": "XHDK-A-1293-#fJ3",
          "userID": 1,
          "hidden": false,
          "postDate": "2017-01-01"
        }
      }
    ]
  }
}           

articleID.keyword，是es最新版本内置建立的field，就是不分詞的。是以一個articleID過來的時候，會建立兩次索引，一次是自己本身，是要分詞的，分詞後放入反向索引；另外一次是基于articleID.keyword，不分詞，保留256個字元最多，直接一個字元串放入反向索引中。

是以term filter，對text過濾，可以考慮使用内置的field.keyword來進行比對。但是有個問題，預設就保留256個字元。是以盡可能還是自己去手動建立索引，指定not_analyzed吧。在最新版本的es中，不需要指定not_analyzed也可以，将type=keyword即可。

（6）檢視分詞

GET /forum/_analyze
{
  "field": "articleID",
  "text": "XHDK-A-1293-#fJ3"
}           

預設是analyzed的text類型的field，建立反向索引的時候，就會對所有的articleID分詞，分詞以後，原本的articleID就沒有了，隻有分詞後的各個word存在于反向索引中。

term，是不對搜尋文本分詞的，XHDK-A-1293-#fJ3 --> XHDK-A-1293-#fJ3；但是articleID建立索引的時候，XHDK-A-1293-#fJ3 --> xhdk，a，1293，fj3

（7）重建索引

DELETE /forum

PUT /forum
{
  "mappings": {
    "article": {
      "properties": {
        "articleID": {
          "type": "keyword"
        }
      }
    }
  }
}           

POST /forum/article/_bulk
{ "index": { "_id": 1 }}
{ "articleID" : "XHDK-A-1293-#fJ3", "userID" : 1, "hidden": false, "postDate": "2017-01-01" }
{ "index": { "_id": 2 }}
{ "articleID" : "KDKE-B-9947-#kL5", "userID" : 1, "hidden": false, "postDate": "2017-01-02" }
{ "index": { "_id": 3 }}
{ "articleID" : "JODL-X-1937-#pV7", "userID" : 2, "hidden": false, "postDate": "2017-01-01" }
{ "index": { "_id": 4 }}
{ "articleID" : "QQPX-R-3956-#aD8", "userID" : 2, "hidden": true, "postDate": "2017-01-02" }           

（8）重新根據文章ID和發帖日期進行搜尋

GET /forum/article/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "articleID" : "XHDK-A-1293-#fJ3"
                }
            }
        }
    }
}           

2、梳理學到的知識點

（1）term filter：根據exact value進行搜尋，數字、boolean、date天然支援

（2）text需要建索引時指定為not_analyzed，才能用term query

（3）相當于SQL中的單個where條件

select *

from forum.article

where articleID='XHDK-A-1293-#fJ3'

參考内容：

Elasticsearch進階實戰