搜索框背后的四个动词
文档能搜到了，老王的搜索框需求也开始膨胀：关键词搜是基本盘，还要按分类筛选、排除下架商品、按价格区间过滤。这些需求在 ES 里对应四个查询动词的分工：match 管全文，term 管精确，match_phrase 管短语，bool 管组合。分清它们，查询就入门了一半。
match：走分词的全文搜索
match 是全文搜索的默认选择，对 text 字段使用。它会先用搜索分词器把输入切成词条，再逐个去倒排里查：
GET /product/_search
{
"query": {
"match": { "name": { "query": "燕麦拿铁", "operator": "and" } }
}
}搜「燕麦拿铁」被切成「燕麦」「拿铁」两个词条。默认 operator 是 or，命中任意一个词条的文档都返回——召回大，噪声也大；改成 and，两个词条都得命中，精确但召回降。中间态用 minimum_should_match 调节，比如要求至少命中百分之七十五。一个 match 控制不好，搜索结果就在「什么都搜到」和「什么都搜不到」之间反复横跳，运营天天找你聊天。
term：不分词的精确匹配
term 不分词，拿输入整串直接去倒排里找完全相等的词条。所以它配合 keyword 字段用才对：查状态、查品牌、查标签：
{ "term": { "brand.keyword": "503咖啡馆" } }
{ "term": { "status": 1 } }新手第一坑来了：对 text 字段用 term 查整句。搜 term name 等于「燕麦拿铁」，结果为零——不是数据丢了，是 text 字段的倒排里根本没有「燕麦拿铁」这个完整词条，只有「燕麦」「拿铁」这些切好的碎片。term 找的是词条，不是原文。记住这句：term 的世界里，text 字段存的是碎片，keyword 字段存的才是整串。
match_phrase：要挨着才给过
match 切完词各查各的，「拿铁 新品」四个字分开命中就返回，语序全乱。match_phrase 要求词条按顺序紧挨着出现——底层靠倒排里的位置信息（position）校验。短语搜索精准度高，但召回低，常配 slop 参数放宽一点距离：slop 为 1 表示允许中间隔一个词。「燕麦 拿铁」这种用户整句输入，phrase 是更合适的选择。
query 与 filter：算不算分是分水岭
同样的条件，放在 query 上下文和 filter 上下文里，行为不一样：
| 上下文 | 算分 | 缓存 | 适用 |
|---|---|---|---|
| query | 算 _score | 不复用 | 相关性搜索 |
| filter | 不算 | 位图缓存可复用 | 筛选过滤条件 |
「是不是上架状态」「价格在不在区间」这类只有是与非的条件，算分毫无意义，白花计算还影响排序——放进 filter，不算分、走缓存，又快又稳。经验法则一句话：决定相关性的进 query，决定在不在的进 filter。
bool：把四个动词组起来
真实搜索从来都是多条件，bool 查询就是组合器，四个槽位对应四种逻辑：
GET /product/_search
{
"query": {
"bool": {
"must": [ { "match": { "name": "燕麦拿铁" } } ],
"must_not": [ { "term": { "status": 0 } } ],
"filter": [ { "term": { "category_id": 7 } },
{ "range": { "price": { "gte": 10, "lte": 50 } } } ],
"should": [ { "term": { "tags.keyword": "新品" } } ]
}
}
}must 是算分的与，must_not 是非（天然属于 filter 上下文，不算分），filter 是不算分的与，should 是算分的或。组合语义要记牢一条：有 must 或 filter 时，should 默认变成加分项而非必须项——上面的查询里，「新品」标签的文档会排更前，但不带标签的也能返回；要让 should 变硬性要求，得显式设 minimum_should_match。
小结
四个动词一句话：match 分词全文搜，term 精确打词条，phrase 管语序，bool 做组合。两个心法：对 text 用 term 是第一坑；能用 filter 的都进 filter。把这两个原则刻进肌肉记忆，查询代码就稳了。
查询能跑了，但结果的排序老王不满意度很高：爆款「燕麦拿铁」排在冷门「燕麦酥」后面。排序背后的 _score 是怎么算的？下一篇讲评分：BM25 的直觉与 function_score 的业务加权。
评论 (0)