1. 近似匹配

什麽是近似匹配，兩個句子

java is my favourite programming language, and I also think spark is a very good big data system.
java spark are very related, because scala is spark‘s programming language and scala is also based on jvm like java.

match query，搜索java spark

{
    "match": {
        "content": "java spark
 
"
    }
}    

　　match query，只能搜索到包含java和spark的document，但是不知道java和spark是不是離的很近，包含java或包含spark，或包含java和spark的doc，都會被返回回來。我們其實並不知道哪個doc，java和spark距離的比較近。如果我們就是希望搜索java spark，中間不能插入任何其他的字符，那這個時候match去做全文檢索，能搞定我們的需求嗎？答案是，搞不定。

　　如果我們要盡量讓java和spark離的很近的document優先返回，要給它一個更高的relevance score，這就涉及到了proximity match，近似匹配

如果說，要實現兩個需求：

（1）java spark，就靠在一起，中間不能插入任何其他字符，就要搜索出來這種doc
（2）java spark，但是要求，java和spark兩個單詞靠的越近，doc的分數越高，排名越靠前

要實現上述兩個需求，用match做全文檢索，是搞不定的，必須得用proximity match，近似匹配

phrase match，proximity match：短語匹配，近似匹配

　　phrase match，就是僅僅搜索出java和spark靠在一起的那些doc，比如有個doc，是java use‘d spark，不行。必須是比如java spark are very good friends，是可以搜索出來的。phrase match，就是要去將多個term作為一個短語，一起去搜索，只有包含這個短語的doc才會作為結果返回。不像是match，java spark，java的doc也會返回，spark的doc也會返回，

GET /forum/article/_search
{
    "query": {
        "match_phrase": {
            "content": "java spark"
        }
    }
}

2. term position

hello world, java spark doc1
hi, spark java doc2

hello doc1(0)
wolrd doc1(1)
java doc1(2) doc2(2)
spark doc1(3) doc2(1)

了解什麽是分詞後的position

GET _analyze
{
    "text": "hello world, java spark",
    "analyzer": "standard"
}

3. match_phrase的基本原理

索引中的position，match_phrase

hello world, java spark 　　 doc1
hi, spark java 　　 doc2

hello doc1(0)
wolrd doc1(1)
java doc1(2) doc2(2)
spark doc1(3) doc2(1)

java spark --> match phrase

java spark --> java和spark

java --> doc1(2) doc2(2)
spark --> doc1(3) doc2(1)

要找到每個term都在的一個共有的那些doc，就是要求一個doc，必須包含每個term，才能拿出來繼續計算

doc1 --> java和spark --> spark position恰巧比java大1 --> java的position是2，spark的position是3，恰好滿足條件

doc1符合條件

doc2 --> java和spark --> java position是2，spark position是1，spark position比java position小1，而不是大於1 --> 光是position就不滿足，那麽doc2不匹配

4. slop

slop的含義是什麽？

　　query string，搜索文本，中的幾個term，要經過幾次移動才能與一個document匹配，這個移動的次數，就是slop,實際舉例，一個query string經過幾次移動之後可以匹配到一個document，然後設置slop

hello world, java is very good, spark is also very good.

java spark，match phrase，搜不到

如果我們指定了slop，那麽就允許java spark進行移動，來嘗試與doc進行匹配

java 　　is 　　　 very 　　good 　　spark 　　is

java 　　spark
java 　　 --> 　　 spark
java 　　　　　　　 --> 　　spark
java 　　　　　　　　　　　 --> 　　spark

這裏的slop，就是3，因為java spark這個短語，spark移動了3次，就可以跟一個doc匹配上了

slop的含義，不僅僅是說一個query string terms移動幾次，跟一個doc匹配上。一個query string terms，最多可以移動幾次去嘗試跟一個doc匹配上

slop，設置的是3，那麽就ok

GET /forum/article/_search
{
　　　"query": {
　　　　"match_phrase": {
　　　　　　"title": {
　　　　　　　　"query": "java spark",
　　　　　　　　"slop": 3
　　　　　　}
　　　　}
　　}
}

　　就可以把剛才那個doc匹配上，那個doc會作為結果返回,但是如果slop設置的是2，那麽java spark，spark最多只能移動2次，此時跟doc是匹配不上的，那個doc是不會作為結果返回的,其實，加了slop的phrase match，就是proximity match，近似匹配

Elasticsearch學習之深入搜索五 --- phrase matching搜索技術