Elasticsearch實(shí)現(xiàn)MySQL的Like效果
在Mysql數(shù)據(jù)庫中，模糊搜索通常使用LIKE關(guān)鍵字。然而，隨著數(shù)據(jù)量的不斷增加，Mysql在處理模糊搜索時(shí)可能面臨性能瓶頸。因此，引入Elasticsearch（ES）作為搜索引擎，以提高搜索性能和用戶體驗(yàn)成為一種合理的選擇。
一、客戶的訴求
在ES中，影響搜索結(jié)果的因素多種多樣，包括分詞器、Match搜索、Term搜索、組合搜索等。有些用戶已經(jīng)養(yǎng)成了在Mysql中使用LIKE進(jìn)行模糊搜索的習(xí)慣。若ES返回的搜索結(jié)果不符合用戶的預(yù)期，可能會(huì)引發(fā)抱怨，甚至認(rèn)為系統(tǒng)存在Bug。
誰讓客戶是上帝，客戶是金主爸爸呢，客戶有訴求，我們就得安排上。下面我們就聊聊如何用ES實(shí)現(xiàn)Mysql的like模糊匹配效果。
二、短語匹配match_phrase
1.定義
為實(shí)現(xiàn)模糊匹配的搜索效果，通常有兩種方式，其中之一是match_phrase，先說說match_phrase。
match_phrase短語匹配會(huì)對(duì)檢索內(nèi)容進(jìn)行分詞，要求這些分詞在被檢索內(nèi)容中全部存在，并且順序必須一致。默認(rèn)情況下，這些詞必須是連續(xù)的。
2.實(shí)驗(yàn)
場(chǎng)景1：創(chuàng)建一個(gè)mapping，采用默認(rèn)分詞器（即每個(gè)字都當(dāng)做分詞），然后插入兩條數(shù)據(jù)。注意：被搜索的字段先采用text類型。
# 創(chuàng)建mapping，這里的customerName先使用text類型
PUT /search_test
{
"mappings": {
"properties": {
"id": {
"type": "keyword"
},
"customerName": {
"type": "text"
}
}
},
"settings": {
"number_of_shards": 5,
"number_of_replicas": 1
}
}
# 插入2條數(shù)據(jù)
PUT /search_test/_create/1
{
"id": "111",
"customerName": "都是生產(chǎn)醫(yī)院的人"
}
PUT /search_test/_create/2
{
"id": "222",
"customerName": "家電清洗"
}
# match_phrase短語匹配查詢，可以查出結(jié)果
POST search_test/_search
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"match_phrase": {
"customerName": "醫(yī)院的"
}
}
]
}
}
}以上操作結(jié)果顯示可以查詢到數(shù)據(jù)。如下圖：
場(chǎng)景2：創(chuàng)建一個(gè)mapping，采用默認(rèn)分詞器，然后插入兩條數(shù)據(jù)。注意：被搜索的字段先采用keyword類型。
# 創(chuàng)建mapping，這里的customerName先使用text類型
PUT /search_test2
{
"mappings": {
"properties": {
"id": {
"type": "keyword"
},
"customerName": {
"type": "keyword"
}
}
},
"settings": {
"number_of_shards": 5,
"number_of_replicas": 1
}
}
# 插入2條數(shù)據(jù)
PUT /search_test2/_create/1
{
"id": "111",
"customerName": "都是生產(chǎn)醫(yī)院的人"
}
PUT /search_test2/_create/2
{
"id": "222",
"customerName": "家電清洗"
}
# match_phrase短語匹配查詢，可以查出結(jié)果
POST search_test2/_search
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"match_phrase": {
"customerName": "醫(yī)院的"
}
}
]
}
}
}以上操作結(jié)果顯示查不到數(shù)據(jù)。如下圖：
3.小結(jié)
match_phrase短語匹配適用于text類型的字段，實(shí)現(xiàn)了類似Mysql的like模糊匹配。然而，它并不適用于keyword類型的字段。
三、通配符匹配Wildcard
為實(shí)現(xiàn)模糊匹配的搜索效果，Wildcard通配符匹配是另一種常見的方式。下面我們?cè)敿?xì)介紹wildcard通配符查詢。下面接著說Wildcard通配符查詢。
1.定義
Wildcard Query 是使用通配符表達(dá)式進(jìn)行查詢匹配。Wildcard Query 支持兩個(gè)通配符：
- ?，使用 ? 來匹配任意字符。
- *，使用 * 來匹配 0 或多個(gè)字符。
使用示例：
POST search_test/_search
{
"query": {
"wildcard": {
"customerName": "*測(cè)試*"
}
}
}2.實(shí)驗(yàn)
場(chǎng)景1：創(chuàng)建一個(gè)mapping，采用默認(rèn)分詞器，然后插入兩條數(shù)據(jù)。注意：被搜索的字段先采用text類型。使用上文已經(jīng)創(chuàng)建的索引search_test。
# wildcard查詢
POST search_test/_search
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"wildcard": {
"customerName": {
"value": "*醫(yī)院的*"
}
}
}
]
}
}
}以上操作結(jié)果顯示查不到數(shù)據(jù)，如下圖：
注意：如果將DSL查詢語句改成只查“醫(yī)”，就可以查到數(shù)據(jù)，這與分詞器有關(guān)。默認(rèn)分詞器將每個(gè)字都切成分詞。
# Wildcard查詢
POST search_test/_search
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"wildcard": {
"customerName": {
"value": "*醫(yī)*"
}
}
}
]
}
}
}場(chǎng)景2：創(chuàng)建一個(gè)mapping，采用默認(rèn)分詞器，然后插入兩條數(shù)據(jù)。注意：被搜索的字段先采用keyword類型。使用上文已經(jīng)創(chuàng)建的索引search_test2。
POST search_test2/_search
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"wildcard": {
"customerName": {
"value": "*醫(yī)院的*"
}
}
}
]
}
}
}以上操作結(jié)果顯示可以查到數(shù)據(jù)，如下圖：
3.小結(jié)
Wildcard通配符查詢適用于keyword類型的字段，實(shí)現(xiàn)了類似Mysql的like模糊匹配。然而，它不太適用于text類型的字段。
四、選擇分詞器
上述實(shí)驗(yàn)中均使用了默認(rèn)分詞器的結(jié)果。接下來，我們嘗試使用IK中文分詞器進(jìn)行實(shí)驗(yàn)。
1.實(shí)驗(yàn)
創(chuàng)建一個(gè)名為search_test3的mapping，采用IK中文分詞器，然后插入兩條數(shù)據(jù)。注意：被搜索的字段先采用text類型。
PUT /search_test3
{
"mappings": {
"properties": {
"id": {
"type": "keyword"
},
"customerName": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
}
}
},
"settings": {
"number_of_shards": 5,
"number_of_replicas": 1
}
}
PUT /search_test3/_create/1
{
"id": "111",
"customerName": "都是生產(chǎn)醫(yī)院的人"
}
PUT /search_test3/_create/2
{
"id": "222",
"customerName": "家電清洗"
}執(zhí)行搜索，比如搜索“醫(yī)院的”，無論是match_phrase還是wildcard兩種方式都查不到數(shù)據(jù)。
POST search_test3/_search
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"match_phrase": {
"customerName": "醫(yī)院的"
}
}
]
}
}
}
POST search_test3/_search
{
"query": {
"bool": {
"must": [
{
"wildcard": {
"customerName": {
"value": "*醫(yī)院的*"
}
}
}
]
}
},
"from": 0,
"size": 20
}執(zhí)行搜索，比如搜索“醫(yī)院”，match_phrase和wildcard兩種方式都可以查到數(shù)據(jù)。
POST search_test3/_search
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"match_phrase": {
"customerName": "醫(yī)院"
}
}
]
}
}
}
POST search_test3/_search
{
"query": {
"bool": {
"must": [
{
"wildcard": {
"customerName": {
"value": "*醫(yī)院*"
}
}
}
]
}
},
"from": 0,
"size": 20
}4.小結(jié)
無論是match_phrase還是wildcard兩種方式，它們的效果與選擇的分詞器密切相關(guān)。因?yàn)閮烧叨际菍?duì)分詞進(jìn)行匹配，只有匹配到了分詞，才能找到對(duì)應(yīng)的文檔。
如果搜索內(nèi)容正好命中了對(duì)應(yīng)的分詞，就可以查詢到數(shù)據(jù)。如果沒有命中分詞，則查不到。在遇到問題時(shí)，可以使用DSL查詢查看ES的分詞情況：
POST _analyze
{
"analyzer": "ik_smart",
"text": "院的人"
}
POST _analyze
{
"analyzer": "ik_smart",
"text": "醫(yī)院的"
}
POST _analyze
{
"analyzer": "ik_max_word",
"text": "都是生產(chǎn)醫(yī)院的人"
}五、總結(jié)
match_phrase和wildcard都能實(shí)現(xiàn)類似Mysql的like效果。然而，需要注意以下幾點(diǎn)：
- 如果要完全實(shí)現(xiàn)Mysql的like效果，最好使用默認(rèn)分詞器，即每個(gè)字都切成分詞。
- match_phrase短語匹配，適合于text類型的字段。
- Wildcard通配符查詢，適合于keyword類型的字段。
