第二阶段 15 · prefix / wildcard / fuzzy 模糊匹配

15 · prefix / wildcard / fuzzy 模糊匹配

阶段：第二阶段 / 查询能力

ES 查询：prefix / wildcard / fuzzy | PostgreSQL 对照：LIKE 'abc%' / LIKE '%x%' / 模糊纠错

---

1. 概念

三种「非精确」匹配，都作用在 keyword（或 text 的词项）上：

ES 查询	作用	SQL 对应
prefix	前缀匹配	LIKE 'abc%'
wildcard	通配符匹配（* 多字符，? 单字符）	LIKE '%x%' / LIKE 'a?c'
fuzzy	允许拼写误差（编辑距离）	PG 没有直接语法（近似 pg_trgm）

⚠️ 这三种都可能很慢 （尤其前置通配 *abc），生产环境慎用大范围。

---

2. PostgreSQL 对照

-- prefix
SELECT * FROM salesdata WHERE invoice_number LIKE 'INV-2026%';

-- wildcard（包含）
SELECT * FROM salesdata WHERE invoice_number LIKE '%2026%';

-- fuzzy（拼写容错，PG 需 pg_trgm 扩展）
SELECT * FROM salesdata WHERE material % 'ThinkPd';  -- 相似度

---

3. ES DSL

prefix（前缀）

GET salesdata_idx/_search
{
  "query": { "prefix": { "invoice_number": "INV-2026" } }
}

wildcard（通配符）

GET salesdata_idx/_search
{
  "query": { "wildcard": { "invoice_number": "*2026*" } }
}

fuzzy（拼写容错）

GET salesdata_idx/_search
{
  "query": {
    "fuzzy": {
      "material": { "value": "ThinkPd", "fuzziness": "AUTO" }
    }
  }
}

fuzziness: AUTO 会根据词长自动决定允许的编辑距离（通常 1~2）。

---

4. Spring Boot 实现

@Component
public class Doc15FuzzyQuery {

    @Autowired
    private ElasticsearchClient elasticsearchClient;

    /** LIKE 'prefix%' */
    public List<Map<String, Object>> prefix(String indexName, String field, String prefix)
            throws IOException {
        SearchResponse<Map> resp = elasticsearchClient.search(s -> s
                .index(indexName)
                .query(q -> q.prefix(p -> p.field(field).value(prefix))),
                Map.class);
        return toSourceList(resp);
    }

    /** LIKE '%pattern%'，pattern 里用 * 和 ? */
    public List<Map<String, Object>> wildcard(String indexName, String field, String pattern)
            throws IOException {
        SearchResponse<Map> resp = elasticsearchClient.search(s -> s
                .index(indexName)
                .query(q -> q.wildcard(w -> w.field(field).value(pattern))),
                Map.class);
        return toSourceList(resp);
    }

    /** 拼写容错 */
    public List<Map<String, Object>> fuzzy(String indexName, String field, String value)
            throws IOException {
        SearchResponse<Map> resp = elasticsearchClient.search(s -> s
                .index(indexName)
                .query(q -> q.fuzzy(f -> f.field(field).value(value).fuzziness("AUTO"))),
                Map.class);
        return toSourceList(resp);
    }

    private List<Map<String, Object>> toSourceList(SearchResponse<Map> resp) {
        return resp.hits().hits().stream()
                .map(Hit::source).filter(Objects::nonNull)
                .collect(Collectors.toList());
    }
}

---

5. 坑与最佳实践

1. 前置通配符 *abc 极慢 ：等于全表扫倒排词典，能避免就避免；必要时用 wildcard 字段类型或 n-gram。
2. 作用在 keyword 上 ：对分词后的 text 用 wildcard 结果常常反直觉。
3. 大小写 ：keyword 默认大小写敏感，wildcard 也是。需要不敏感可加 case_insensitive: true（8.x 支持）。
4. fuzzy 有性能代价 ：编辑距离越大越慢，AUTO 通常够用。
5. 能用 prefix 就别用 wildcard：前缀匹配比通配快得多。

---

下一篇

16-match_phrase-短语.md。