概要
本篇主要介紹搜索的報文結構含義、搜索超時時間的處理過程，提及了一下多索引搜索和輕量搜索，最後將精確搜索與全文搜索做了簡單的對比。
空搜索
搜索API最簡單的形式是不指定索引和類型的空搜索，它將返回集羣下所有索引的所有文檔（默認顯示10條）：
GET /_search
響應的結果示例(有篩選，只取了一條document作爲示例)：
{
"took": 2,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 3,
"max_score": 1,
"hits": [
{
"_index": "music",
"_type": "children",
"_id": "2",
"_score": 1,
"_source": {
"name": "wake me, shark me",
"content": "don't let me sleep too late, gonna get up brightly early in the morning",
"language": "english",
"length": "55",
"likes": 9
}
}
]
}
}針對響應報文的字段，我們做一些簡單解釋:
- took：整個搜索請求花費了多少毫秒。
- time_out：查詢是否超時。
- _shards：查詢中參與分片的總數，其中成功的分片數量，失敗的分片數量，以及跳過的分片數量。正常情況下不會有失敗的分片數量，如果發生了災難級別的故障，超過了容錯的最大node數量，可能會同時丟失shard和replica，此時會報告這些分片是失敗的，但還是會繼續返回剩餘可用分片的查詢結果。
- hits：包含total表示匹配到的文檔總數，max_score值是所有匹配文檔中_score的最大值。
- hits.hits：數組內包含匹配的文檔的完整信息，默認查詢前10條數據，並且按_score降序排序。
timeout機制
默認不使用timeout參數，如果某些場景下，低響應比搜索完整結果更重要，可以指定timeout爲10ms或1s，在指定的超時時間內，Elasticsearch會把已經成功搜索到的文檔返回。
注意timeout不是停止執行查詢，它只是告訴Coordinate Node返回到指定時間爲止收集到的結果，並且關閉連接，在ES後臺，其他node正在進行的查詢並不會中斷，只是結果沒人要了。
舉個例子：某電商平臺商品SKU品類300萬條，輸入某個關鍵字查詢，有2000條記錄匹配，但是要查15秒鐘，一個搜索要等15秒纔出結果，顯得太不專業了，產品有SLA要求，必須1秒內出結果，最快的解決方案是查詢使用參數timeout=1s，前端分頁顯示默認只展示20條，1秒內的查詢結果要填滿這20條還是比較容易的。
多索引搜索
一個搜索請求，可以同時寫多個索引名稱，這叫做multi-index搜索模式。
/_search：所有索引，所有type下的所有數據都搜索出來
/index1,index2/_search：同時搜索兩個index下的數據
/1,2/_search：按照通配符去匹配多個索引
單一索引下搜索時，ES會轉發請求到索引的每個分片中，shard或replica均可，然後收集結果返回。多索引時，原理相同，只是涉及的分片更多。另外搜索一個索引有5個分片和搜索5個索引各有一個分片，性能是等價的。
順帶我們看一下搜索原理示意圖：
輕量搜索
有兩種形式的搜索API，一種是query string search，查詢條件和排序規則寫在request URI裏，也叫輕量搜索；另一種是query DSL，查詢條件等信息用JSON格式寫在request body裏。
輕量搜索的示例：
單個字段搜索，"q="後面接的是查詢條件"field:text"，field是字段名，text是搜索的關鍵詞，有三種前綴修飾符：
GET /music/children/_search?q=content:friend
GET /music/children/_search?q=+content:friend
GET /music/children/_search?q=-content:friend- "+"號前綴表示必須與查詢條件匹配。
- "-"號前綴表示一定不與查詢條件匹配。
- 默認沒寫前綴表示條件可選
匹配的條件越多，文檔就越相關。
如果多個字段搜索，多個條件之間要有空格：
GET /music/children/_search?q=-content:friend +name:wake_all元數據的原理
如果"q="後面沒寫field，直接跟的是搜索關鍵詞，表示搜索指定索引下的所有字段，如下：
GET /music/children/_search?q=friend只要music索引下的document，任何一個字段包含friend，就能搜索出來。那_all是怎麼來的？
_all是Elasticsearch中的元數據，在建立索引的時候，新增一個document裏面包含了多個field，此時，es會自動將多個field的值，全部用字符串的方式串聯起來，變成一個長的字符串，作爲_all field的值，同時建立索引。後面如果在搜索的時候，沒有對某個field指定搜索，就默認搜索_all field。
找個document示例：
"name": "wake me, shark me",
"content": "don't let me sleep too late, gonna get up brightly early in the morning",
"language": "english",
"length": "55",
"likes": 9"wake me, shark me don't let me sleep too late, gonna get up brightly early in the morning english 55 9"，作爲這一條document的_all field的值，同時進行分詞後建立對應的倒排索引
注意事項
輕量搜索在開發階段會拿這些命令來做一些簡單的查詢，實際生產中用得比較少，語法複雜容易錯，並且可閱讀性低，遇到重量級查詢，還有可能會把ES集羣拖垮。
精確搜索與全文搜索
Elasticsearch的數據類型可以分成兩類：精確值和全文。
精確值（exact value）
精確值如日期、ID，數值類型，有些文本類型也可以表示精確值，如郵箱、常用縮寫等等。精確值的一個特點是必須完全相同、大小寫敏感，很容易查詢，hello與Hello是不相等的，日期爲2019-11-20的字段值，輸入2019是搜索不到的。- 全文（full text）
全文數據就微妙得多，拿英文來說，各種詞根變化、大小寫轉換、同義詞、縮寫，漢字方面各種分詞、詞庫、網絡詞等，都希望匹配程度能高一些，能夠理解我們的意圖，舉幾個中文例子： - 南京市長江大橋，有一些分詞器得到的結果：南京/市長/江大橋，完全不是我們想的結果，我們希望是：南京/南京市/長江/大橋/長江大橋。
長春市長春街長春藥店，分詞分得不對，搞成這樣：長春/市長/春/街/長/春藥/店，結果就很尷尬了。
全文搜索方面，最基本的步驟是先分詞，再索引，然後搜索時進行匹配，英文相對好辦，中文方面有相像不到的難點要去克服。
小結
本篇介紹搜索的基礎知識，闡述搜索結果的含義，多索引搜索和輕量搜索的基本使用，最後對比了一下精確搜索與全文搜索，以及著名的中文分詞大坑，謝謝。
專注Java高併發、分佈式架構，更多技術乾貨分享與心得，請關注公衆號：Java架構社區
