包含,而不是相等
理解 term
和 terms
是包含操作,而不是相等操作,这点非常重要。这意味着什么?
假如你有一个 term 过滤器 { "term" : { "tags" : "search" } }
,它将匹配下面两个文档:
{ "tags" : ["search"] }
{ "tags" : ["search", "open_source"] } <1>
<1> 虽然这个文档除了 search
还有其他短语,它还是被返回了
回顾一下 term
过滤器是怎么工作的:它检查倒排索引中所有具有短语的文档,然后组成一个字节集。在我们简单的示例中,我们有下面的倒排索引:
Token | DocIDs |
---|---|
open_source |
2 |
search |
1 ,2 |
当执行 term
过滤器来查询 search
时,它直接在倒排索引中匹配值并找出相关的 ID。如你所见,文档 1 和文档 2 都包含 search
,所以他们都作为结果集返回。
提示:
倒排索引的特性让完全匹配一个字段变得非常困难。你将如何确定一个文档只能包含你请求的短语?你将在索引中找出这个短语,解出所有相关文档 ID,然后扫描 索引中每一行来确定文档是否包含其他值。
由此可见,这将变得非常低效和开销巨大。因此,term
和 terms
是 必须包含 操作,而不是 必须相等。
完全匹配
假如你真的需要完全匹配这种行为,最好是通过添加另一个字段来实现。在这个字段中,你索引原字段包含值的个数。引用上面的两个文档,我们现在包含一个字段来记录标签的个数:
{ "tags" : ["search"], "tag_count" : 1 }
{ "tags" : ["search", "open_source"], "tag_count" : 2 }
一旦你索引了标签个数,你可以构造一个 bool
过滤器来限制短语个数:
GET /my_index/my_type/_search
{
"query": {
"filtered" : {
"filter" : {
"bool" : {
"must" : [
{ "term" : { "tags" : "search" } }, <1>
{ "term" : { "tag_count" : 1 } } <2>
]
}
}
}
}
}
<1> 找出所有包含 search
短语的文档
<2> 但是确保文档只有一个标签
这将匹配只有一个 search
标签的文档,而不是匹配所有包含了 search
标签的文档。