Elasticsearch实现MySQL的Like效果

吾爱主题阅读：302 2024-01-25 14:23:00 评论：0

在Mysql数据库中，模糊搜索通常使用LIKE关键字。然而，随着数据量的不断增加，Mysql在处理模糊搜索时可能面临性能瓶颈。因此，引入Elasticsearch（ES）作为搜索引擎，以提高搜索性能和用户体验成为一种合理的选择。

一、客户的诉求

在ES中，影响搜索结果的因素多种多样，包括分词器、Match搜索、Term搜索、组合搜索等。有些用户已经养成了在Mysql中使用LIKE进行模糊搜索的习惯。若ES返回的搜索结果不符合用户的预期，可能会引发抱怨，甚至认为系统存在Bug。

谁让客户是上帝，客户是金主爸爸呢，客户有诉求，我们就得安排上。下面我们就聊聊如何用ES实现Mysql的like模糊匹配效果。

二、短语匹配match_phrase

1.定义

为实现模糊匹配的搜索效果，通常有两种方式，其中之一是match_phrase，先说说match_phrase。

match_phrase短语匹配会对检索内容进行分词，要求这些分词在被检索内容中全部存在，并且顺序必须一致。默认情况下，这些词必须是连续的。

2.实验

场景1：创建一个mapping，采用默认分词器（即每个字都当做分词），然后插入两条数据。注意：被搜索的字段先采用text类型。

# 创建mapping，这里的customerName先使用text类型
PUT /search_test
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "customerName": {
        "type": "text"
      }
    }
  },
  "settings": {
    "number_of_shards": 5,
    "number_of_replicas": 1
  }
}

# 插入2条数据
PUT /search_test/_create/1
{
  "id": "111",
  "customerName": "都是生产医院的人"
}

PUT /search_test/_create/2
{
  "id": "222",
  "customerName": "家电清洗"
}

# match_phrase短语匹配查询，可以查出结果
POST search_test/_search
{
  "from": 0,
  "size": 10,
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "customerName": "医院的"
          }
        }
      ]
    }
  }
}

以上操作结果显示可以查询到数据。如下图：

场景2：创建一个mapping，采用默认分词器，然后插入两条数据。注意：被搜索的字段先采用keyword类型。

# 创建mapping，这里的customerName先使用text类型
PUT /search_test2
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "customerName": {
        "type": "keyword"
      }
    }
  },
  "settings": {
    "number_of_shards": 5,
    "number_of_replicas": 1
  }
}

# 插入2条数据
PUT /search_test2/_create/1
{
  "id": "111",
  "customerName": "都是生产医院的人"
}

PUT /search_test2/_create/2
{
  "id": "222",
  "customerName": "家电清洗"
}

# match_phrase短语匹配查询，可以查出结果
POST search_test2/_search
{
  "from": 0,
  "size": 10,
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "customerName": "医院的"
          }
        }
      ]
    }
  }
}

以上操作结果显示查不到数据。如下图：

3.小结

match_phrase短语匹配适用于text类型的字段，实现了类似Mysql的like模糊匹配。然而，它并不适用于keyword类型的字段。

三、通配符匹配Wildcard

为实现模糊匹配的搜索效果，Wildcard通配符匹配是另一种常见的方式。下面我们详细介绍wildcard通配符查询。下面接着说Wildcard通配符查询。

1.定义

Wildcard Query 是使用通配符表达式进行查询匹配。Wildcard Query 支持两个通配符：

?，使用 ? 来匹配任意字符。
*，使用 * 来匹配 0 或多个字符。

使用示例：

POST search_test/_search
{
  "query": {
    "wildcard": {
      "customerName": "*测试*"
    }
  }
}

2.实验

场景1：创建一个mapping，采用默认分词器，然后插入两条数据。注意：被搜索的字段先采用text类型。使用上文已经创建的索引search_test。

# wildcard查询
POST search_test/_search
{
  "from": 0,
  "size": 10,
  "query": {
    "bool": {
      "must": [
        {
          "wildcard": {
            "customerName": {
              "value": "*医院的*"
            }
          }
        }
      ]
    }
  }
}

以上操作结果显示查不到数据，如下图：

注意：如果将DSL查询语句改成只查“医”，就可以查到数据，这与分词器有关。默认分词器将每个字都切成分词。

# Wildcard查询
POST search_test/_search
{
  "from": 0,
  "size": 10,
  "query": {
    "bool": {
      "must": [
        {
          "wildcard": {
            "customerName": {
              "value": "*医*"
            }
          }
        }
      ]
    }
  }
}

场景2：创建一个mapping，采用默认分词器，然后插入两条数据。注意：被搜索的字段先采用keyword类型。使用上文已经创建的索引search_test2。

POST search_test2/_search
{
  "from": 0,
  "size": 10,
  "query": {
    "bool": {
      "must": [
        {
          "wildcard": {
            "customerName": {
              "value": "*医院的*"
            }
          }
        }
      ]
    }
  }
}

以上操作结果显示可以查到数据，如下图：

3.小结

Wildcard通配符查询适用于keyword类型的字段，实现了类似Mysql的like模糊匹配。然而，它不太适用于text类型的字段。

四、选择分词器

上述实验中均使用了默认分词器的结果。接下来，我们尝试使用IK中文分词器进行实验。

1.实验

创建一个名为search_test3的mapping，采用IK中文分词器，然后插入两条数据。注意：被搜索的字段先采用text类型。

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": "都是生产医院的人"
}

PUT /search_test3/_create/2
{
  "id": "222",
  "customerName": "家电清洗"
}

执行搜索，比如搜索“医院的”，无论是match_phrase还是wildcard两种方式都查不到数据。

POST search_test3/_search
{
  "from": 0,
  "size": 10,
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "customerName": "医院的"
          }
        }
      ]
    }
  }
}

POST search_test3/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "wildcard": {
            "customerName": {
              "value": "*医院的*"
            }
          }
        }
      ]
    }
  },
  "from": 0,
  "size": 20
}

执行搜索，比如搜索“医院”，match_phrase和wildcard两种方式都可以查到数据。

POST search_test3/_search
{
  "from": 0,
  "size": 10,
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "customerName": "医院"
          }
        }
      ]
    }
  }
}

POST search_test3/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "wildcard": {
            "customerName": {
              "value": "*医院*"
            }
          }
        }
      ]
    }
  },
  "from": 0,
  "size": 20
}

4.小结

无论是match_phrase还是wildcard两种方式，它们的效果与选择的分词器密切相关。因为两者都是对分词进行匹配，只有匹配到了分词，才能找到对应的文档。

如果搜索内容正好命中了对应的分词，就可以查询到数据。如果没有命中分词，则查不到。在遇到问题时，可以使用DSL查询查看ES的分词情况：

POST _analyze
{  
    "analyzer": "ik_smart",
    "text": "院的人"  
}
POST _analyze
{  
    "analyzer": "ik_smart",
    "text": "医院的"  
}

POST _analyze
{  
    "analyzer": "ik_max_word",
    "text": "都是生产医院的人"  
}