1. Leaf Query Clauses

叶查询子句直接对数据进行查询。常用的叶查询子句包括：

Match：对文本进行全文搜索，支持文本分析。

match是一种会将你搜索的query进行分词的查询方法。而不是直接拿你的查询语句原封不动的去与被分词过后词进行匹配。

{ "match": { "field": "text" } }

示例1：根据bookName字段进行查询

GET http://ip:prot/my_index/_search
{
  "query": {
    "match": {
      "bookName":"This is CSDN"
    }
  }
}

这个查询会先讲查询语句中的“This is CSDN”进行分词，得到“This”、“is”、“CSDN”会分别拿这三个词去匹配，就会发现“is”和“CSDN”都能匹配成功只要一个匹配成功则就可以。所以可以查询到。

示例2：全文搜索与高亮显示

在blog_posts索引中搜索包含Elasticsearch tutorial的博客文章，并高亮显示匹配的文本：

GET /blog_posts/_search
{
  "query": {
    "match": { "content": "Elasticsearch tutorial" }
  },
  "highlight": {
    "fields": {
      "content": {}
    }
  }
}

Match_phrase

这个查询和普通的match查询相比限制性更强，他依旧会对query内的值进行分词，但他并不是匹配到一处分词就匹配成功，而是对所有的词都能匹配才算成功。而且每个词都相对位置还得正确，默认情况下词与词之间在被搜索原文中是连续的。

参数“slop”，这个参数可以用于控制词与词之间不一定要连续，可以隔几个词。具体几个看slop的值。

GET http://ip:prot/my_index/_search
{
  "query": {
    "match_phrase": {
      "bookName":{
        "query":"My is CSDN",
        "slop":1
      }
    }
  }
}

这个就可以匹配成功，虽然“My”和“is”之间还隔了一个“name”，但slop参数为1，说明词与词之间可以间隔一个词，不一定连续。

可以看到此时bookName的格式又深了一层，因为我们需要添加slop参数。

multi_match

这个查询也会进行分词，就是对多个字段进行match操作，只要一个字段匹配上了就行。其中bookName匹配不上，但author字段能匹配上。则能查询到。也就是对bookName和author字段分别进行了一次的match操作。

GET http://ip:prot/textbook/_search
{
  "query": {
    "multi_match": {
        "query" : "起床",
        "fields" : ["bookName", "author"]
    }
  }
}

Term：对文本进行精确搜索，不分析文本。

{ "term": { "field": "value" } }

Terms

Terms查询就是获取多个term查询结果的并集。

下面这个就是当bookName中的“My”还有“CSDN”匹配成功但”apple“匹配不成功，但因为是并集，所以只要有一个符合即可。所以能够查询到。

GET http://ip:prot/my_index/_search
{
  "query": {
    "terms": {
      "bookName": ["My", "CSDN", "apple"]
    }
  }
}

Range：基于范围的查询，用于数字、日期等类型。

{ "range": { "field": { "gte": 10, "lte": 20 } } }

示例1：查询events索引中在2020-01-01到2020-12-31之间发生的事件：

GET /events/_search
{
  "query": {
    "range": {
      "date": {
        "gte": "2020-01-01",
        "lte": "2020-12-31"
      }
    }
  }
}

Exists Query：检查文档中是否存在某个字段。

{ "exists": { "field": "name" } }

fuzzy和wildcard 模糊查询。

fuzzy查询例子：其中我误将name打成nane，但由于我参数fuzziness值为1，说明我可以改动一个字符（添加、删除、修改都可）。将nane可以变成name。所以匹配成功。fuzziness默认值为2.

GET http://ip:prot/textbook/_search
{
  "query": {
    "fuzzy": {
      "bookName":{
        "value":"nane",
        "fuzziness":1
      }
    }
  }
}

wildcard查询例子：这个查询语句我们就可以查询到name，其中将？替换成任何字符，只要能匹配上的都可。如果为*号则是只要以na为首以e为结尾的都可。

GET http://ip:prot/textbook/_search
{
  "query": {
    "wildcard": {
      "bookName":{
        "value":"na?e"
      }
    }
  }
}

使用场景差异：Fuzzy查询适用于需要精确匹配但可能存在拼写错误的场景。它通过计算编辑距离来确定查询词与文档之间的相似度，从而找到可能的匹配。而Wildcard查询则适用于需要更灵活的模糊匹配的场景，如根据部分字符串或模式进行匹配。
匹配方式差异：Fuzzy查询基于编辑距离（Levenshtein距离）计算查询词与文档之间的相似度。它通过计算一个词项与文档之间的最小编辑操作次数来找到与查询词相似的文档。而Wildcard查询则使用通配符模式进行匹配，通过指定星号(*)和问号(?)，可以匹配任意字符或单个字符。
性能差异：Fuzzy查询在处理大规模数据时可能会变得低效，因为它需要对每个文档进行逐一比较。而Wildcard查询则更加适用于大规模数据的模糊匹配，因为它使用通配符模式进行匹配，可以减少需要检查的文档数量。

Regexp：使用正则表达式的查询。

{ "regexp": { "field": "regex" }

示例1：在users索引中搜索电子邮件地址符合特定正则表达式的用户：

GET /users/_search
{
  "query": {
    "regexp": {
      "email": ".*@example\\.com"
    }
  }
}

Prefix 前缀查询

在特定字段上查找以指定前缀开头的文档。它不会对查询字符串进行分词，而是直接在字段上进行精确匹配。

适用于需要对特定前缀进行精确匹配的场景。例如，在搜索用户输入时，可以快速过滤出以特定字母开头的单词或短语；在数据库中查找以特定前缀开头的文档；在日志文件中查找以特定标识符开头的行等。

GET http://ip:prot/my_index/_search
{
  "query": {
    "prefix": {
      "bookName": {
        "value" ： "Thi"
      }
    }
  }
}