播面

在 Elasticsearch (ES) 中，实现精确匹配、模糊匹配和前缀匹配，关键在于数据类型的设计（Mapping）以及查询语句（DSL）的选择。

以下是针对这三种场景的详细实现方案：

1. 精确匹配 (Exact Match)

精确匹配是指搜索的值必须与索引中的值完全一致（包括大小写，除非使用了正规化器）。

核心要点：

• 数据类型：字段类型必须是 keyword，或者数字类型（integer, long 等）。如果是 text 类型，ES 会进行分词，导致无法精确匹配整个字符串。
• 查询语句：使用 term 或 terms 查询。

实现方式：

场景：查找状态为 "published" 的文章，或者查找 ID 为 1001 的用户。

// 1. 定义 Mapping (推荐)
PUT /my_index
{
  "mappings": {
    "properties": {
      "status": {
        "type": "keyword" // 关键：不分词
      },
      "product_id": {
        "type": "keyword"
      }
    }
  }
}

// 2. 查询 DSL
GET /my_index/_search
{
  "query": {
    "term": {
      "status": "published" // 完全匹配，大小写敏感
    }
  }
}

注意：如果你对 text 类型的字段做 term 查询，通常查不到结果，因为 text 字段存入倒排索引时已经被分词（如 "Apple" 变成了 "apple"），而 term 查询不会对搜索词进行分词。

2. 模糊匹配 (Fuzzy Match)

模糊匹配主要用于处理拼写错误（Typos），基于编辑距离（Levenshtein distance）算法。

核心要点：

• 数据类型：通常用于 text 类型字段。
• 查询语句：使用 match 查询配合 fuzziness 参数，或直接使用 fuzzy 查询。

实现方式：

场景：用户搜索 "elasticseerch" (拼写错误)，希望能搜到 "elasticsearch"。

// 查询 DSL
GET /my_index/_search
{
  "query": {
    "match": {
      "content": {
        "query": "elasticseerch",
        "fuzziness": "AUTO" 
      }
    }
  }
}

• fuzziness: "AUTO"：这是最佳实践。ES 会根据词的长度自动决定允许错误的字符数（例如：短词必须精确，长词允许错1-2个字母）。
• fuzzy 查询：虽然有专门的 fuzzy 查询类型，但通常建议使用带有 fuzziness 参数的 match 查询，因为 match 查询还能享受分析器（Analyzer）带来的好处。

3. 前缀匹配 (Prefix Match)

前缀匹配是指匹配以特定字符开头的词。这在“搜索建议”或“自动补全”场景中非常常见。

方案 A：查询时处理 (Search-time) - 性能较低

适用于数据量不大或偶尔使用的场景。

1. Prefix Query: 扫描倒排索引，查找所有以指定前缀开头的词。
   json

   GET /my_index/_search
   {
     "query": {
       "prefix": {
         "title": {
           "value": "elas" // 匹配 elastic, elasticsearch 等
         }
       }
     }
   }

2. Match Phrase Prefix: 适合短语前缀匹配（如 "quick brown f"）。
   json

   GET /my_index/_search
   {
     "query": {
       "match_phrase_prefix": {
         "title": "quick brown f"
       }
     }
   }

方案 B：索引时处理 (Index-time) - 高性能 (推荐)

如果数据量大且对性能要求高（如即时搜索），应使用 N-gram 技术，用空间换时间。

核心思想：使用 edge_ngram 分词器，在数据写入时就把前缀切分好。

1. 定义 Settings 和 Mapping:

   json

   PUT /my_autocomplete_index
   {
     "settings": {
       "analysis": {
         "analyzer": {
           "autocomplete_analyzer": {
             "tokenizer": "autocomplete_tokenizer",
             "filter": ["lowercase"]
           }
         },
         "tokenizer": {
           "autocomplete_tokenizer": {
             "type": "edge_ngram",
             "min_gram": 2,
             "max_gram": 10,
             "token_chars": ["letter", "digit"]
           }
         }
       }
     },
     "mappings": {
       "properties": {
         "title": {
           "type": "text",
           "analyzer": "autocomplete_analyzer", // 写入时：切分成 el, ela, elas...
           "search_analyzer": "standard"        // 搜索时：用户搜 "elas"，直接匹配词项
         }
       }
     }
   }

2. 查询:
   此时不需要用 prefix 查询，直接用普通的 match 查询即可，因为 "elas" 已经作为一个完整的 token 存在于索引中了。

   json

   GET /my_autocomplete_index/_search
   {
     "query": {
       "match": {
         "title": "elas"
       }
     }
   }

总结对比表