Term Query 和 Match Query 的区别是什么？

知识点图片

在 Elasticsearch (ES) 中，Term Query 和 Match Query 是最常用的两种查询方式，它们的核心区别在于 是否对查询语句进行分词（Analysis）。

简单总结：

Term Query (词条查询):
- 它将你输入的查询内容看作一个整体。
- 它不会经过分析器（Analyzer）处理（即不会变小写、不会去除停用词、不会拆词）。
- 它直接在倒排索引（Inverted Index）中查找与输入内容完全字节级匹配的词项。
- 类比：类似于编程语言中的 == 或 SQL 中的 =。
Match Query (匹配查询):
- 它是一个高级查询。
- 它会先使用该字段配置的分析器（Analyzer）对你的查询语句进行分词处理。
- 例如：输入 "Hello World"，标准分析器会将其拆分为 "hello" 和 "world" 两个词，然后去索引中查找包含这两个词（或其中之一，取决于 operator）的文档。
- 类比：类似于 Google 搜索或 SQL 中的 LIKE (但更智能)。

Term Query 适合查：
- 结构化数据。
- 枚举值（状态码、标签）。
- ID、GUID。
- 日期、数字、布尔值。
- Keyword 类型的字段（不分词的文本）。
Match Query 适合查：
- 非结构化文本（全文搜索）。
- 文章标题、内容描述、评论。
- Text 类型的字段（经过分词的文本）。

这是最容易踩坑的地方：

针对 keyword 类型字段：
- 数据存储时原样存储（如 "Apple" 存为 "Apple"）。
- 使用 Term Query 搜索 "Apple" -> 匹配。
- 使用 Term Query 搜索 "apple" -> 不匹配（大小写敏感）。
针对 text 类型字段：
- 数据存储时会被分词器处理（默认标准分词器会将 "Apple" 转为小写 "apple" 并存入索引）。
- 使用 Term Query 搜索 "Apple" -> 不匹配（因为索引里只有 "apple"，而 Term 拿着 "Apple" 去找，找不到）。
- 使用 Match Query 搜索 "Apple" -> 匹配（因为 Match 会先把 "Apple" 变成 "apple"，然后去索引里找 "apple"）。

假设索引中有一条文档：

json

{
  "id": 1,
  "title": "Quick Brown Fox"
}

假设 title 字段的类型是 text（使用默认 Standard Analyzer，索引中实际存储的是 quick, brown, fox）。

json

GET /_search
{
    "query": {
        "term": {
            "title": "Quick"
        }
    }
}

json

GET /_search
{
    "query": {
        "term": {
            "title": "quick"
        }
    }
}

json

GET /_search
{
    "query": {
        "match": {
            "title": "Quick Brown"
        }
    }
}

特性	Term Query	Match Query
分词处理	不分词 (原样搜索)	分词 (先分析再搜索)
匹配方式	精确匹配 (Exact Match)	全文检索 / 模糊匹配
大小写敏感	是 (除非索引本身已转小写)	否 (通常分析器会转小写)
适用字段类型	`keyword`, `integer`, `date`, `boolean`	`text`
计算开销	极低 (直接查倒排表)	稍高 (需分词和算分)
常见用途	过滤状态、ID查找、聚合统计	搜索文章、模糊查找

如果你要查的是 "ID"、"状态"、"分类" -> 用 Term。
如果你要查的是 "用户输入的一段话" -> 用 Match。
新手巨坑：不要对 text 类型的字段使用 term 查询，除非你非常清楚分词后的结果是什么（通常是全小写）。如果需要对文本字段既做全文搜又做精确配，请使用 fields 多字段映射（一个字段同时拥有 text 和 keyword 属性）。

播面