在实际工作中，模糊查询（类似 MySQL 的 LIKE '%keyword%'）是常见需求。例如，输入“手机”时，希望返回“智能手机”“手机壳”等商品，MySQL 的 LIKE 查询简单直观，但在大规模数据场景下，全表扫描会导致查询耗时激增。

本文带你实现Elasticsearch 全模糊查询，轻松搞定！

使用wildcard词项搜索

wildcard 查询是最直观的实现方式，语法类似 MySQL 的 LIKE '%keyword%'，通过 * 通配符匹配字段中的任意子串。

索引数据

准备一些测试数据：

POST _bulk
{"index":{"_index":"post","_id":1}}
{"title":"Elasticsearch入门到精通"}
{"index":{"_index":"post","_id":2}}
{"title":"MySQL数据库优化"}
{"index":{"_index":"post","_id":3}}
{"title":"21天精通MySQL数据库"}
{"index":{"_index":"post","_id":4}}
{"title":"21天精通SQL语言"}

wildcard 查询

要查找标题中包含“MySQL”的文档，可以使用以下 wildcard 查询：

GET post/_search
{
  "query": {
    "wildcard": {
      "title.keyword": {
        "value": "*MySQL*"
      }
    }
  }
}

查询结果如下图所示：

image.png

虽然wildcard 查询轻松实现了全模糊查询，但性能极差，因为需要遍历倒排索引中的所有词条，在数据量较大（百万级以上）时，可能导致查询延迟高甚至集群崩溃。

N-gram 分词器

为了解决 wildcard 的性能问题，N-gram 分词器是一个更高效的方案。它在索引时将文本拆分成连续的字符片段（grams），从而支持高效的子串匹配。

例如：对于文本 “你好世界”，使用n-gram 分词器（默认配置）会将其拆分为：[ "你"，"你好", "好","好世","世","世界","界" ]。

配置 N-gram 分词器

PUT post_v2
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ngram_analyzer": {
          "tokenizer": "ngram_tokenizer"
        }
      },
      "tokenizer": {
        "ngram_tokenizer": {
          "type": "ngram",
    "min_gram": 1,
          "max_gram": 2
        }
      }
    }
  },
  // title.ngram 字段专门用于模糊查询
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "fields": {
          "ngram": {  
            "type": "text",
            "analyzer": "ngram_analyzer"
          }
        }
      }
    }
  }
}

min_gram 和 max_gram 控制切片长度，详细说明请查看官方文档。

索引数据

使用与之前相同的测试数据：

POST _bulk
{"index":{"_index":"post_v2","_id":1}}
{"title":"Elasticsearch入门到精通"}
{"index":{"_index":"post_v2","_id":2}}
{"title":"MySQL数据库优化"}
{"index":{"_index":"post_v2","_id":3}}
{"title":"21天精通MySQL数据库"}
{"index":{"_index":"post_v2","_id":4}}
{"title":"21天精通SQL语言"}

执行查询

使用match 查询在title.ngram 字段上搜索“MySQL”：

GET post_v2/_search
{
  "query": {
    "match": {
      "title.ngram": "MySQL"
    }
  }
}

查询结果如下图所示：

image.png

查询结果返回了不符合要求的数据："21天精通SQL语言"，这是因为match查询默认情况下使用 or 逻辑，修改operator = and 即可。

GET post_v2/_search
{
  "query": {
    "match": {
      "title.ngram": {
        "query":"MySQL",
        "operator": "and"
      }
    }
  }
}

缺点：生成了大量的 n-gram 词条，索引会比原来大很多。

感谢您的阅读！希望这部分内容对您有所启发。如果您觉得有价值，请不吝点赞支持，并在评论区留下您的想法，一起交流学习！别忘了关注我哦！

在实际开发中，您如何实现Elasticsearch的全模糊，欢迎在评论区分享！