ElasticSearch的query_string查詢方式

情景介紹

前言:這是我第二次使用 CSDN 發表技術部落格。還有很多不懂的地方不會使用，還請多多包涵，有不對的地方請不吝賜教，在下方留言。

本人在一家跨境電商公司做b2c的專案，商品搜尋引擎這塊由我負責。這幾天老闆演示搜尋商品出現了問題:搜尋雪花秀 ，結果裡出現一大堆和’雪花秀’不相關的商品，發現這些商品都有共同特徵:跟 雪 花 秀 這些單個字有聯絡，於是猜測在搜尋的時候被分詞了，用了分詞後的結果去匹配導致的。 本產品用的ElasticSearch搜尋引擎，下面是搜尋語句:

{
  "size": 50,
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "xxxx": {
              "query": "yyyy",
              "operator": "OR",
              "prefix_length": 0,
              "max_expansions": 50,
              "fuzzy_transpositions": true,
              "lenient": false,
              "zero_terms_query": "NONE",
              "boost": 1
            }
          }
        },
        {
          "query_string": {
            "query": "text for query",
            "fields": [],
            "default_operator": "or",
            "auto_generate_phrase_queries": false,
            "use_dis_max": true,
            "tie_breaker": 0,
            "max_determinized_states": 10000,
            "enable_position_increments": true,
            "fuzziness": "AUTO",
            "fuzzy_prefix_length": 0,
            "fuzzy_max_expansions": 50,
            "phrase_slop": 0,
            "escape": false,
            "split_on_whitespace": true,
            "boost": 1
          }
        }
      ],
      "disable_coord": false,
      "adjust_pure_negative": true,
      "boost": 1
    }
  },
  "_source": {
    "includes": [],
    "excludes": [
      "categoryVO",
      "brandVO"
    ]
  },
  "sort": [
    {
      "isStock": {
        "order": "desc"
      }
    },
    {
      "saleQuantity": {
        "order": "desc"
      }
    },
    {
      "spuId": {
        "order": "desc"
      }
    }
  ]
}
 

Query String Query原理

查閱官方文件，是這樣描述的:A query that uses a query parser in order to parse its content.Here is an example:

GET /_search
{
    "query": {
        "query_string" : {
            "default_field" : "content",
            "query" : "this AND that OR thus"
        }
    }
}

The query_string query parses the input and splits text around operators. Each textual part is analyzed independently of each other.For instance the following query:

GET /_search
{
    "query": {
        "query_string" : {
            "default_field" : "content",
            "query" : "(new york city) OR (big apple)"
        }
    }
}

從這看出這個查詢方式居然也有語法規則，這就不難查出問題出現的根源了:只要找到語法規則，知道解析原理，就能針對性解決問題。 這裡介紹下query string 的語法解析原理:在’query’ 欄位裡的內容會被解析成一系列片語或者特殊字元，這些特殊字元組合在一起再根據"query_string"內的欄位設定的值去匹配相關內容，例如: “query"內 輸入"excellent work”，會被解析成"excellent or work"再去匹配結果。再如: “小米手機”，會被解析成"小米"，“手機”,“小米手機"再去匹配結果，這裡要注意，被解析成什麼樣是根據index初始定義的analyzer 解析器來的，我這裡用的預設解析器是"ik_max_word”。這裡就明白了為什麼"雪花秀"會匹配出不相關的商品來。因為它被解析成了"雪" “花” "秀"三個字去匹配了。然而需求並非如此，我們需要進行一些微小的修改。

引數含義

上表只展示部分我用過的欄位，更多欄位設定請前往 Elasticsearch官方文件6.4 根據需求，不需要進行分詞匹配，我們可以設定default_operator 為AND，查詢語句即為:

{
  "size": 50,
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "xxxx": {
              "query": "yyyy",
              "operator": "OR",
              "prefix_length": 0,
              "max_expansions": 50,
              "fuzzy_transpositions": true,
              "lenient": false,
              "zero_terms_query": "NONE",
              "boost": 1
            }
          }
        },
        {
          "query_string": {
            "query": "手",
            "fields": [
              "brand.productBrandDetails.brandName^0.0",
              "detail.spuName^0.0"
            ],
            "use_dis_max": true,
            "tie_breaker": 0,
            "default_operator": "and",
            "auto_generate_phrase_queries": false,
            "max_determinized_states": 10000,
            "enable_position_increments": true,
            "fuzziness": "AUTO",
            "fuzzy_prefix_length": 0,
            "fuzzy_max_expansions": 50,
            "phrase_slop": 0,
            "escape": false,
            "split_on_whitespace": true,
            "boost": 1
          }
        }
      ],
      "disable_coord": false,
      "adjust_pure_negative": true,
      "boost": 1
    }
  },
  "_source": {
    "includes": [],
    "excludes": []
  },
  "sort": []
}

至此，問題得到解決

誤區

設定成 default_operator 為AND後，搜尋精準度提高，但是對於搜尋的文字語句要求也提高了。輸入太過精確的內容反而查詢不到結果,例如:“手機” 能匹配到幾十條記錄，但"大螢幕 手機"就匹配不到記錄，這也降低了使用者體驗，還需要優化，升級方向:單詞片語不進行拆分解析，但是空格會被拆分解析進行匹配。

目前還沒找到一個完善的解決方案，各位大佬有懂的還請留言，本人進入程式設計行業不久，學的java，如有各位大佬相助，想必能跳過很多坑，在此提前感謝。