es中的查詢請求有兩種方式，一種是簡易版的查詢，另外一種是使用JSON完整的請求體，叫做結構化查詢（DSL）。 由于DSL查詢更為直觀也更為簡易，所以大都使用這種方式。 DSL查詢是POST過去一個json，由于post的請求是json格式的，所以存在很多靈活性，也有很多形式。 這里有一個地方注意的是官方文檔里面給的例子的json結構只是一部分，并不是可以直接黏貼復制進去使用的。一般要在外面加個query為key的機構。 ## match 最簡單的一個match例子： 查詢和"我的寶馬多少馬力"這個查詢語句匹配的文檔。 { "query": { "match": { "content" : { "query" : "我的寶馬多少馬力" } } } } 上面的查詢匹配就會進行分詞，比如"寶馬多少馬力"會被分詞為"寶馬 多少 馬力", 所有有關"寶馬 多少 馬力", 那么所有包含這三個詞中的一個或多個的文檔就會被搜索出來。 并且根據lucene的評分機制(TF/IDF)來進行評分。 ## match_phrase 比如上面一個例子，一個文檔"我的保時捷馬力不錯"也會被搜索出來，那么想要精確匹配所有同時包含"寶馬 多少 馬力"的文檔怎么做？就要使用 match_phrase 了 { "query": { "match_phrase": { "content" : { "query" : "我的寶馬多少馬力" } } } } 完全匹配可能比較嚴，我們會希望有個可調節因子，少匹配一個也滿足，那就需要使用到slop。 { "query": { "match_phrase": { "content" : { "query" : "我的寶馬多少馬力", "slop" : 1 } } } } ## multi_match 如果我們希望兩個字段進行匹配，其中一個字段有這個文檔就滿足的話，使用multi_match { "query": { "multi_match": { "query" : "我的寶馬多少馬力", "fields" : ["title", "content"] } } } 但是multi_match就涉及到匹配評分的問題了。 ## best_fields 我們希望完全匹配的文檔占的評分比較高，則需要使用best_fields { "query": { "multi_match": { "query": "我的寶馬發動機多少", "type": "best_fields", "fields": [ "tag", "content" ], "tie_breaker": 0.3 } } } 意思就是完全匹配"寶馬 發動機"的文檔評分會比較靠前，如果只匹配寶馬的文檔評分乘以0.3的系數 ## most_fields 我們希望越多字段匹配的文檔評分越高，就要使用most_fields { "query": { "multi_match": { "query": "我的寶馬發動機多少", "type": "most_fields", "fields": [ "tag", "content" ] } } } ## cross_fields 我們會希望這個詞條的分詞詞匯是分配到不同字段中的，那么就使用cross_fields { "query": { "multi_match": { "query": "我的寶馬發動機多少", "type": "cross_fields", "fields": [ "tag", "content" ] } } } ## term term是代表完全匹配，即不進行分詞器分析，文檔中必須包含整個搜索的詞匯 { "query": { "term": { "content": "汽車保養" } } } 查出的所有文檔都包含"汽車保養"這個詞組的詞匯。 使用term要確定的是這個字段是否“被分析”(analyzed)，默認的字符串是被分析的。 拿官網上的例子舉例： mapping是這樣的： 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是被分析過的，所以full_text的索引中存的就是[quick, foxes]，而extra_value中存的是[Quick Foxes!]。 那下面的幾個請求： GET my_index/my_type/_search { "query": { "term": { "exact_value": "Quick Foxes!" } } } 請求的出數據，因為完全匹配 GET my_index/my_type/_search { "query": { "term": { "full_text": "Quick Foxes!" } } } 請求不出數據的，因為full_text分詞后的結果中沒有[Quick Foxes!]這個分詞。 ## bool聯合查詢: must,should,must_not 如果我們想要請求"content中帶寶馬，但是tag中不帶寶馬"這樣類似的需求，就需要用到bool聯合查詢。 聯合查詢就會使用到must,should,must_not三種關鍵詞。 這三個可以這么理解 must: 文檔必須完全匹配條件 should: should下面會帶一個以上的條件，至少滿足一個條件，這個文檔就符合should must_not: 文檔必須不匹配條件 比如上面那個需求： { "query": { "bool": { "must": { "term": { "content": "寶馬" } }, "must_not": { "term": { "tags": "寶馬" } } } } } 轉載 [軒脈刃的博客](http://www.cnblogs.com/yjf512/)