es中的查询请求有两种方式，一种是简易版的查询，另外一种是使用JSON完整的请求体，叫做结构化查询（DSL）。 由于DSL查询更为直观也更为简易，所以大都使用这种方式。 DSL查询是POST过去一个json，由于post的请求是json格式的，所以存在很多灵活性，也有很多形式。 这里有一个地方注意的是官方文档里面给的例子的json结构只是一部分，并不是可以直接黏贴复制进去使用的。一般要在外面加个query为key的机构。 ## match 最简单的一个match例子： 查询和"我的宝马多少马力"这个查询语句匹配的文档。 { "query": { "match": { "content" : { "query" : "我的宝马多少马力" } } } } 上面的查询匹配就会进行分词，比如"宝马多少马力"会被分词为"宝马 多少 马力", 所有有关"宝马 多少 马力", 那么所有包含这三个词中的一个或多个的文档就会被搜索出来。 并且根据lucene的评分机制(TF/IDF)来进行评分。 ## match_phrase 比如上面一个例子，一个文档"我的保时捷马力不错"也会被搜索出来，那么想要精确匹配所有同时包含"宝马 多少 马力"的文档怎么做？就要使用 match_phrase 了 { "query": { "match_phrase": { "content" : { "query" : "我的宝马多少马力" } } } } 完全匹配可能比较严，我们会希望有个可调节因子，少匹配一个也满足，那就需要使用到slop。 { "query": { "match_phrase": { "content" : { "query" : "我的宝马多少马力", "slop" : 1 } } } } ## multi_match 如果我们希望两个字段进行匹配，其中一个字段有这个文档就满足的话，使用multi_match { "query": { "multi_match": { "query" : "我的宝马多少马力", "fields" : ["title", "content"] } } } 但是multi_match就涉及到匹配评分的问题了。 ## best_fields 我们希望完全匹配的文档占的评分比较高，则需要使用best_fields { "query": { "multi_match": { "query": "我的宝马发动机多少", "type": "best_fields", "fields": [ "tag", "content" ], "tie_breaker": 0.3 } } } 意思就是完全匹配"宝马 发动机"的文档评分会比较靠前，如果只匹配宝马的文档评分乘以0.3的系数 ## most_fields 我们希望越多字段匹配的文档评分越高，就要使用most_fields { "query": { "multi_match": { "query": "我的宝马发动机多少", "type": "most_fields", "fields": [ "tag", "content" ] } } } ## cross_fields 我们会希望这个词条的分词词汇是分配到不同字段中的，那么就使用cross_fields { "query": { "multi_match": { "query": "我的宝马发动机多少", "type": "cross_fields", "fields": [ "tag", "content" ] } } } ## term term是代表完全匹配，即不进行分词器分析，文档中必须包含整个搜索的词汇 { "query": { "term": { "content": "汽车保养" } } } 查出的所有文档都包含"汽车保养"这个词组的词汇。 使用term要确定的是这个字段是否“被分析”(analyzed)，默认的字符串是被分析的。 拿官网上的例子举例： mapping是这样的： PUT my_index { "mappings": { "my_type": { "properties": { "full_text": { "type": "string" }, "exact_value": { "type": "string", "index": "not_analyzed" } } } } } PUT my_index/my_type/1 { "full_text": "Quick Foxes!", "exact_value": "Quick Foxes!" } 其中的full_text是被分析过的，所以full_text的索引中存的就是[quick, foxes]，而extra_value中存的是[Quick Foxes!]。 那下面的几个请求： GET my_index/my_type/_search { "query": { "term": { "exact_value": "Quick Foxes!" } } } 请求的出数据，因为完全匹配 GET my_index/my_type/_search { "query": { "term": { "full_text": "Quick Foxes!" } } } 请求不出数据的，因为full_text分词后的结果中没有[Quick Foxes!]这个分词。 ## bool联合查询: must,should,must_not 如果我们想要请求"content中带宝马，但是tag中不带宝马"这样类似的需求，就需要用到bool联合查询。 联合查询就会使用到must,should,must_not三种关键词。 这三个可以这么理解 must: 文档必须完全匹配条件 should: should下面会带一个以上的条件，至少满足一个条件，这个文档就符合should must_not: 文档必须不匹配条件 比如上面那个需求： { "query": { "bool": { "must": { "term": { "content": "宝马" } }, "must_not": { "term": { "tags": "宝马" } } } } } 转载 [轩脉刃的博客](http://www.cnblogs.com/yjf512/)