briarheart

当然,不应该在循环中使用通配符查询。此解决方案最终将显示出较差的性能。

自从 roles 字段是常规文本字段ElasticSearch将值“role1;role2;role3”拆分为单个标记“role1”、“role2”和“role3”。相同的操作应用于搜索查询。您可以使用查询字符串“role3;role4;role5”进行简单匹配查询,并因为“role3”令牌匹配而被击中。

你也可以索引 角色 字段作为字符串数组和相同的匹配查询仍然有效。

你可以用 should 和 exists 条款。假设您有以下两个文档:

// Document 1
{
  "body": "quick brown fox",
  "body_edited": null
}

// Document 2
{
  "body": "quick brown fox",
  "body_edited": "jumps over the lazy dog"
}

下面是搜索术语“brown fox”的示例:

"query": {
  "bool": {
    "should": [
      {
        "match": {
          "body_edited": "brown fox"
        }
      },
      {
        "bool": {
          "must": {
            "match": {
              "body": "brown fox"
            }
          },
          "must_not": {
            "exists": {
              "field": "body_edited"
            }
          }
        }
      }
    ]
  }
}

尽管事实上 body 文档2中的字段也符合我们的搜索条件。

如果您不关心区分大小写,只需使用 term 查询:

{
  "query": {
    "term": {
      "cities.keyword": "Paris Zurich"
    }
  }
}

它将只匹配字段的精确值。

另一方面,您可以创建自定义分析器,它仍然存储字段的确切值(就像 keyword )有一个例外:存储的值将被转换为小写,这样您就可以找到 Paris Zurich 以及 paris Zurich . 示例如下:

{
  "settings": {
    "analysis": {
      "analyzer": {
        "lowercase_analyzer": {
          "type": "custom",
          "tokenizer": "keyword",
          "char_filter": [],
          "filter": ["lowercase"]
        }
      }
    }
  },
  "mappings": {
    "doc": {
      "properties": {
        "cities": {
          "type": "text",
          "fields": {
            "lowercased": {
              "type": "text",
              "analyzer": "lowercase_analyzer"
            }
          }
        }
      }
    }
  }
}

{
  "query": {
    "term": {
      "cities.lowercased": "paris zurich" // Query string should also be in lowercase
    }
  }
}