Elasticsearch 的`intervals`查询详解
`intervals`查询是 Elasticsearch 中一种强大的查询工具，用于基于术语的顺序和接近度来匹配文档。它特别适合需要精确控制术语位置和顺序的场景，例如法律或专利搜索。从 Elasticsearch v8.16 开始，`intervals`查询得到了进一步增强，支持更多功能，如`range`和`regexp`规则。
1.`intervals`查询的基本结构
`intervals`查询的基本结构如下：
```json
{
"query": {
"intervals": {
"<field>": {
"<rule>": {
"intervals": [
{ "match": { "query": "<text>" } }
]
}
}
}
}
}
```
• `<field>`：指定要搜索的字段。
• `<rule>`：定义匹配规则，如`match`、`all_of`、`any_of`等。
• `<text>`：要匹配的文本内容。
2.常用参数和规则
2.1`match`规则
`match`规则是`intervals`查询中最基本的规则，用于匹配分析后的文本。
• `query`：必需，指定要匹配的文本。
• `max_gaps`：可选，指定匹配项之间的最大间隔数。默认值为`-1`，表示没有限制。如果设置为`0`，则术语必须紧挨着。
• `ordered`：可选，指定匹配项是否必须按指定顺序出现。默认值为`false`。
• `analyzer`：可选，指定用于分析查询文本的分析器。默认使用字段的默认分析器。
示例：
```json
POST _search
{
"query": {
"intervals": {
"my_text": {
"match": {
"query": "my favorite food",
"max_gaps": 0,
"ordered": true
}
}
}
}
}
```
这个查询会匹配包含"my favorite food"且术语紧挨着的文档。
2.2`all_of`规则
`all_of`规则用于组合多个规则，要求所有规则都匹配。
• `ordered`：可选，指定规则是否必须按指定顺序出现。默认值为`false`。
• `max_gaps`：可选，指定规则之间的最大间隔数。默认值为`-1`，表示没有限制。
示例：
```json
POST _search
{
"query": {
"intervals": {
"my_text": {
"all_of": {
"ordered": true,
"intervals": [
{ "match": { "query": "if you go down to the woods" } },
{ "match": { "query": "big surprise" } }
]
}
}
}
}
}
```
这个查询会匹配包含"if you go down to the woods"后跟"big surprise"的文档，且术语必须按顺序出现。
2.3`any_of`规则
`any_of`规则用于组合多个规则，只要其中一个规则匹配即可。
示例：
```json
POST _search
{
"query": {
"intervals": {
"my_text": {
"all_of": {
"ordered": true,
"intervals": [
{ "match": { "query": "if you go down to the woods" } },
{
"any_of": {
"intervals": [
{ "match": { "query": "big surprise" } },
{ "match": { "query": "eyes" } }
]
}
}
]
}
}
}
}
}
```
这个查询会匹配包含"if you go down to the woods"后跟"big surprise"或"eyes"的文档。
2.4`filter`规则
`filter`规则用于对匹配结果进行进一步过滤。
• `not_containing`：排除包含特定术语的匹配结果。
• `script`：使用脚本对匹配结果进行过滤。
示例：
```json
POST _search
{
"query": {
"intervals": {
"my_text": {
"match": {
"query": "reconstruction substations",
"max_gaps": 9,
"filter": {
"not_containing": {
"match": { "query": "heating" }
}
}
}
}
}
}
}
```
这个查询会匹配包含"reconstruction substations"且中间不超过9个位置的文档，但不包含"heating"。
3.使用脚本过滤
`intervals`查询支持使用脚本对匹配结果进行过滤，基于间隔的起始位置、结束位置和间隔数。
示例：
```json
POST _search
{
"query": {
"intervals": {
"my_text": {
"match": {
"query": "hot meal",
"filter": {
"script": {
"source": "interval.start > 5 && interval.end < 30 && interval.gaps == 0"
}
}
}
}
}
}
}
```
这个查询会匹配包含"hot meal"且匹配间隔的起始位置大于5、结束位置小于30、间隔数为0的文档。
4.注意事项
• `any_of`和`all_of`的组合：在使用`any_of`和`all_of`时，需要注意术语的顺序和间隔。例如，如果`any_of`中的术语是另一个术语的前缀，可能会导致意外的结果。
• 性能优化：`intervals`查询在处理复杂逻辑时可能会比简单的`match_phrase`查询稍慢，但在需要精确控制术语位置时非常有用。
总结
`intervals`查询是 Elasticsearch 中一种强大的工具，特别适合需要精确控制术语位置和顺序的场景。通过合理使用`match`、`all_of`、`any_of`和`filter`等规则，可以实现复杂的匹配逻辑。希望这些示例和解释能帮助你更好地理解和使用`intervals`查询。