##全文检索 我们已经介绍了简单的结构化查询，下面开始介绍_全文检索_：怎样对全文字段(full-text fields)进行检索以找到相关度最高的文档。 全文检索最重要的两个方面是： * 相关度(Relevance) 根据文档与查询的相关程度对结果集进行排序的能力。相关度可以使用TF/IDF、地理位置相近程度、模糊相似度或其他算法计算。 * 分析(Analysis) 将一段文本转换为一组唯一的、标准化了的标记(token)，用以(a)创建倒排索引，(b)查询倒排索引。 注意，一旦提到相关度和分析，指的都是查询(queries)而非过滤器(filters)。 ### 基于短语 vs. 全文 虽然所有的查询都会进行相关度计算，但不是所有的查询都有分析阶段。而且像``bool``或``function_score``这样的查询并不在文本字段执行。文本查询可以分为两大类： #### 1. 基于短语(Term-based)的查询： 像``term``或``fuzzy``一类的查询是低级查询，它们没有分析阶段。这些查询在单一的短语上执行。例如对单词``'Foo'``的``term``查询会在倒排索引里__精确地__查找``'Foo'``这个词，并对每个包含这个单词的文档计算TF/IDF相关度``'_score'``。 牢记``term``查询只在倒排查询里精确地查找特定短语，而不会匹配短语的其它变形，如``foo``或``FOO``。不管短语怎样被加入索引，都只匹配倒排索引里的准确值。如果你在一个设置了``'not_analyzed'``的字段为``'["Foo", "Bar"]'``建索引，或者在一个用``'whitespace'``解析器解析的字段为``'Foo Bar'``建索引，都会在倒排索引里加入两个索引``'Foo'``和``'Bar'``。 #### 2. 全文(Full-text)检索 ``match``和``query_string``这样的查询是高级查询，它们会对字段进行分析： * 如果检索一个``'date'``或``'integer'``字段，它们会把查询语句作为日期或者整数格式数据。 * 如果检索一个准确值(``'not_analyzed'``)字符串字段，它们会把整个查询语句作为一个短语。 * 如果检索一个全文(``'analyzed'``)字段，查询会先用适当的解析器解析查询语句，产生需要查询的短语列表。然后对列表中的每个短语执行低级查询，合并查询结果，得到最终的文档相关度。 我们将会在后续章节讨论这一过程的细节。 我们很少需要直接使用基于短语的查询。通常我们会想要检索全文，而不是单独的短语，使用高级的全文检索会更简单（全文检索内部最终还是使用基于短语的查询）。 ####[提示] 如果确实要查询一个准确值字段(``'not_analyzed'``)，需要考虑使用查询还是过滤器。 单一短语的查询通常相当于__是/否__问题，用过滤器可以更好的描述这类查询，并且过滤器缓存可以提升性能： GET /_search { "query": { "filtered": { "filter": { "term": { "gender": "female" } } } } }