GET listofhistoricalfigures/_search
"query": {
"fuzzy": {
"name.keyword": "张三"
使用fuzzy就行百度一样，你输入个“邓子棋”，也能把“邓紫棋”查出来，有一定的纠错能力
加.keyword是要匹配完整的词
会匹配到的结果有
1.match 分词匹配检索，可以对查询条件分词，查到更多匹配的内容，结合不同的分词器，可以得到不同的效果
2.wildcard 通配符检索功能就像传统的SQL like一样，如果数据在es，你又想得到传统的“模糊查询”结构时，用wildcard
3.fuzzy 纠错检索，让输入条件有容错性
目录引子：DSL 和SQL中模糊查询一样吗ElasticSearch中的模糊查询match 分词匹配检索wildcard 通配符检索fuzzy 模糊/纠错检索结论引子：DSL 和SQL中模糊查询一样吗大家好，我是马儿今天来说一下模糊查询的事，我们使用关系型数据库时，模糊查询使用的就是like，加上通配符通配符说明%包含0个或多个字符的任意字符_（下划线）任意1个字符那ElasticSearch中模糊查询是什么呢，我们知道term是精确查询，有的地方说match是
1.1 需求描述
用Elasticsearch 实现类似SQL中like的功能（'%aaa%'），查询数据时，要前后模糊匹配，不要分词（用户输入AAA,检索的结果中AAA需要连在一起，不能是AABA）
1.2 所需知识点
1.2.1 phrase-matching
phrase-matching 短语匹配 类似 match 查询， match_phrase 查询首先将查询字符串解析成一个词项列表，然后对这些词项进行搜索，但只保留那些包含全部搜索词项，且位置与搜索词项相同的文档。 比如对于quick
1、match查询：会先对搜索词进行分词，比如“白雪公主和苹果”，会分成“白雪”“公主”“苹果”。含有相关内容的字段，都会被检索出来。
2、match_phrase查询：match_phrase与slop一起用，能保证分词间的邻近关系，slop参数告诉match_phrase查询词条能够相隔多远时仍然将文档视为匹配，默认是0。为0时 必须相邻才能被检索出来。
例如下面的语句，会把“白雪公主吃苹果”...
multi_match查询提供了一个简便的方法用来对多个字段执行相同的查询，即对指定的多个字段进行match查询,其有三种类型，
best_fields，most_fields以及cross_fields，默认为best_fields。
比如使用同一个查询关键字同时在company和place中查询:
GET 51job/_doc/_search
"query": {
"multi_match" : {
"query"
1.match 分词匹配检索，可以对查询条件分词，查到更多匹配的内容，结合不同的分词器，可以得到不同的效果
2.wildcard 通配符检索功能就像传统的SQL like一样，如果数据在es，你又想得到传统的“模糊查询”结构时，用wildcard
3.fuzzy 纠错检索，让输入条件有容错性
ES模糊查询wildcard的替代方案，nGram + match_phrase
1.ES模糊查询wildcard查询极耗机器CPU资源，查询耗时高，当并发量高时影响ES其它进程。
2.用户实际的模糊查询需求大多是左右模糊匹配。
可行性分析
match_phrase能够实现词组查询。
比如brown fox会返回匹配…brown fox…的结果，此结果与wildcard查询传入brown fox的查询结果一致。相当于我们可以通过match_phrase实现一些特许的模糊查询需求。
那如何对match_
在实际的搜索中，我们有时候会打错字，从而导致搜索不到。在Elasticsearch中，我们可以使用fuzziness属性来进行模糊查询，从而达到搜索有错别字的情形。
match查询具有“fuziness”属性。它可以被设置为“0”， “1”， “2”或“auto”。“auto”是推荐的选项，它会根据查询词的长度定义距离。
Fuzzy query
返回包含与搜索词相似的词的文档，以Levens...
Elasticsearch 是一个开源搜索引擎，它提供了多种查询方式。
match_phrase: 是短语匹配，它会把查询的文本作为一个整体来匹配，保证匹配的文本顺序一致。
wildcard: 通配符匹配，可以使用 * 和 ? 匹配任意字符。
match: 是文本匹配，它会对查询的文本进行分词，然后匹配分词后的文本。
match_phrase: 短语匹配
wildcard: 通配符匹配
value:查询的关键字
boost:查询的权值，默认值是1.0
min_similarity:设置匹配的最小相似度，默认值为0.5, 对于字符串,取值为0-1(包括0和1);对于数值，取值可能大于1;对于日期型取值为1d,1m等，1d就代表1天
prefix_length:指明区分词项的共同前缀长度，默认是0
max_expansions:查询中的词项可以扩展的数目，...
在 Elasticsearch 7.9 中，我们将引入一种新的 “wildcard” 字段类型，该字段类型经过优化，可在字符串值中快速查找模式。这种新的字段类型采用了一种全新的方式来索引字符串数据，从而解决了在日志和安全性数据中高效索引和搜索的最佳实践。根据你现有的字段用法，通配符可以提供：
更简单的搜索表达式（无需将 AND /单词/短语组合在一起）
更简单的索引编制（无需定义分析器选择）
不再有的缺失值
更快的搜索
更少的磁盘使用
这种新数据类型最令人兴奋的功能是简化了部分匹配。使用通配符，你
const convert = require('elasql').convert
convert('SELECT id,name FROM shop WHERE shop_id BETWEEN 5 AND 10 AND type = "cat"')
"query": {
"bool": {
"must": [
"match": {
"type": "cat"
"must_not": [],
"filter": [
