### 匹配查询 不管你搜索什么内容，`match`查询是你首先需要接触的查询。它是一个高级查询，意味着`match`查询知道如何更好的处理全文检索和准确值检索。 这也就是说，`match`查询的一个主要用途是进行全文搜索。让我们通过一个小例子来看一下全文搜索是如何工作的。 #### 索引一些数据 首先，我们使用`bulk` API来创建和索引一些文档： ```json DELETE /my_index <1> PUT /my_index { "settings": { "number_of_shards": 1 }} <2> POST /my_index/my_type/_bulk { "index": { "_id": 1 }} { "title": "The quick brown fox" } { "index": { "_id": 2 }} { "title": "The quick brown fox jumps over the lazy dog" } { "index": { "_id": 3 }} { "title": "The quick brown fox jumps over the quick dog" } { "index": { "_id": 4 }} { "title": "Brown fox brown dog" } ``` // SENSE: 100_Full_Text_Search/05_Match_query.json <1> 删除已经存在的索引(如果索引存在) <2> 然后，`关联失效`这一节解释了为什么我们创建该索引的时候只使用一个主分片。 #### 单词查询 第一个例子解释了当使用`match`查询进行单词全文搜索时发生了什么： ```json GET /my_index/my_type/_search { "query": { "match": { "title": "QUICK!" } } } ``` // SENSE: 100_Full_Text_Search/05_Match_query.json Elasticsearch通过下面的步骤执行`match`查询： 1. _检查field类型_ `title`字段是一个字符串(`analyzed`)，所以该查询字符串也需要被分析(`analyzed`) 2. _分析查询字符串_ 查询词`QUICK!`经过标准分析器的分析后变成单词`quick`。因为我们只有一个查询词，因此`match`查询可以以一种低级别`term`查询的方式执行。 3. _找到匹配的文档_ `term`查询在倒排索引中搜索`quick`，并且返回包含该词的文档。在这个例子中，返回的文档是1，2，3。 4. _为每个文档打分_ `term`查询综合考虑词频（每篇文档`title`字段包含`quick`的次数）、逆文档频率（在全部文档中`title`字段包含`quick`的次数）、包含`quick`的字段长度（长度越短越相关）来计算每篇文档的相关性得分`_score`。（更多请见相关性介绍） 这个过程之后我们将得到以下结果（简化后）： ```json "hits": [ { "_id": "1", "_score": 0.5, <1> "_source": { "title": "The quick brown fox" } }, { "_id": "3", "_score": 0.44194174, <2> "_source": { "title": "The quick brown fox jumps over the quick dog" } }, { "_id": "2", "_score": 0.3125, <2> "_source": { "title": "The quick brown fox jumps over the lazy dog" } } ] ``` <1> 文档1最相关，因为 `title` 最短，意味着`quick`在语义中起比较大的作用。 <2> 文档3比文档2更相关，因为在文档3中`quick`出现了两次。