2026年7月12日 · 6 分钟阅读

Elasticsearch 搜索与查询实战：Mapping、分析器与复杂查询

系统梳理 ES 的数据类型与映射、全文搜索与精确查询的异同、自定义分析器的构建方式，以及组合查询与聚合分析的实践用法。

用好 ES，核心是理解三件事：数据怎么存（Mapping）、搜索怎么查（Query）、文本怎么切（Analyzer）。这篇文章把它们串起来讲，中间穿插大量可以直接在 Kibana 运行的示例。

Mapping：数据怎么存

常见数据类型

类型	说明
`text`	全文搜索字段，内容会被分词器分析，生成倒排索引
`keyword`	结构化数据，作为整体存入倒排索引，不进行分词。适合精确匹配、过滤、排序、聚合
`integer` / `long` / `float` / `double`	数值类型，range 查询有优化
`date` / `date_nanos`	日期类型
`boolean`	布尔值
`binary`	二进制数据
`ip`	IP 地址
`range`	区间类型：`integer_range`, `float_range`, `date_range` 等
`geo_point` / `geo_shape`	地理坐标和形状
`completion`	自动完成建议
`alias`	为现有字段定义别名
`object`	单个 JSON 对象
`nested`	JSON 对象数组，可独立查询每个子对象

动态映射（Dynamic Mapping）

ES 可以根据 JSON 数据的格式自动推断字段类型：

JSON 值	推断类型
整数	`long`
浮点数	`float`
true/false	`boolean`
日期格式字符串	`date`
数组	取决于数组中第一个有效值
对象	`object`
其他字符串	`text` + `keyword`（双字段）

显式映射（Explicit Mapping）

PUT /product
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "price": {
        "type": "integer"
      },
      "tags": {
        "type": "keyword"
      },
      "date": {
        "type": "date",
        "format": "yyyy-MM-dd"
      }
    }
  }
}

常用映射参数

参数	默认值	说明
`index`	`true`	是否对当前字段创建倒排索引，设为 false 则该字段不可被搜索
`analyzer`	`standard`	指定分析器
`boost`	1	字段权重，影响相关性评分
`coerce`	`true`	是否允许强制类型转换（如 “1” → 1）
`doc_values`	`true`	是否生成正排索引（用于排序和聚合），text 类型不支持
`fielddata`	`false`	在 JVM 堆中创建临时正排索引，仅 text 类型需要聚合时使用
`ignore_above`	256	keyword 类型超出该长度的字符串不会被索引
`ignore_malformed`	`false`	是否忽略类型转换异常
`copy_to`	—	将多个字段的值合并到一个虚拟字段中
`format`	—	日期格式

_source 元数据

_source 字段存储了原始的 JSON 文档内容。可以在查询时控制返回哪些字段：

// 不返回 _source
GET /product/_search
{
  "_source": false,
  "query": { "match_all": {} }
}

// 只返回指定字段
GET /product/_search
{
  "_source": ["name", "price"],
  "query": { "match_all": {} }
}

// 包含/排除模式
GET /product/_search
{
  "_source": {
    "includes": ["owner.*", "name"],
    "excludes": ["desc", "price"]
  },
  "query": { "match_all": {} }
}

分析器（Analyzer）：文本怎么切

分析器是 ES 全文搜索的”分词引擎”，决定了搜索时哪些词会被匹配。

一个分析器由三部分构成：

分析器 = char_filter（字符过滤） → tokenizer（分词器） → filter（词项过滤）

char_filter（字符过滤器）

在分词之前对原始文本做预处理：

HTML 转义清洗：去除 HTML 标签

PUT my_index
{
  "settings": {
    "analysis": {
      "char_filter": {
        "my_char_filter": {
          "type": "html_strip",
          "escaped_tags": ["a"]
        }
      },
      "analyzer": {
        "my_analyzer": {
          "char_filter": ["my_char_filter"],
          "tokenizer": "keyword"
        }
      }
    }
  }
}

映射替换：将指定字符替换为其他字符

"my_char_filter": {
  "type": "mapping",
  "mappings": ["垃=>*", "圾=>*"]
}

正则替换：用正则匹配并替换

"my_char_filter": {
  "type": "pattern_replace",
  "pattern": "(\\d{3})\\d{4}(\\d{4})",
  "replacement": "$1****$2"
}

tokenizer（分词器）

Lucene 内置了多种分词器：

分词器	行为
`standard`	按 Unicode 文本边界切分，去掉标点
`keyword`	不做任何切分，整个文本作为一个词项
`whitespace`	按空白字符切分
`pattern`	按正则匹配到的分隔符切分
`ik_smart` / `ik_max_word`	中文分词（需要 IK 插件）

filter（词项过滤器）

分词之后对词项做进一步处理：

同义词：

"my_filter": {
  "type": "synonym",
  "synonyms": ["赵,钱,孙,李=>吴"]
}

停用词：

// 方式一：在分析器上直接配置
"my_analyzer": {
  "type": "standard",
  "stopwords": ["me", "you"]
}

// 方式二：通过 filter 配置
"my_filter": {
  "type": "stop",
  "stopwords": ["me", "you"]
}

自定义分析器

把上面三部分组合起来，创建一个完整自定义分析器：

PUT my_index
{
  "settings": {
    "analysis": {
      "char_filter": {
        "my_char_filter": {
          "type": "mapping",
          "mappings": ["&=>and", "|=>or"]
        }
      },
      "filter": {
        "my_filter": {
          "type": "stop",
          "stopwords": ["is", "in", "a", "at"]
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "pattern",
          "pattern": "[ ,.!]"
        }
      },
      "analyzer": {
        "my_analyzer": {
          "char_filter": ["my_char_filter"],
          "filter": ["my_filter"],
          "tokenizer": "my_tokenizer",
          "type": "custom"
        }
      }
    }
  }
}

测试分析器的效果：

GET my_index/_analyze
{
  "analyzer": "my_analyzer",
  "text": "Hello & World! Good is great."
}

查询：数据怎么搜

URI 查询

最简单的方式，直接在 URL 上写参数：

# 精确匹配
GET /product/_search?q=name:xiaomi

# 分页+排序
GET /product/_search?from=0&size=2&sort=price:asc

# 全文搜索（在所有索引字段中检索）
GET /product/_search?q=2023-06-01

Request Body 查询

match 查询（全文搜索）

对搜索词进行分词，任一匹配即可：

GET product/_search
{
  "query": {
    "match": {
      "name": "xiaomi nfc phone"
    }
  }
}

match_phrase 查询（短语匹配）

分词结果必须在被检索字段的分词中都包含，顺序必须相同，且默认连续：

GET product/_search
{
  "query": {
    "match_phrase": {
      "name": "xiaomi nfc"
    }
  }
}

通过 slop 参数允许词项之间有间隔：

GET product/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "xiaomi phone1",
        "slop": 1
      }
    }
  }
}

multi_match 查询（多字段搜索）

同时对多个字段进行 match 查询，相当于求笛卡尔积的拼配：

GET product/_search
{
  "query": {
    "multi_match": {
      "query": "phone huangmenji",
      "fields": ["name", "desc"]
    }
  }
}

term 查询（精确匹配）

term 不对搜索词分词，搜索词必须能与倒排索引中的词项完全匹配：

GET product/_search
{
  "query": {
    "term": {
      "tags": "88vip"
    }
  }
}

区别总结：term 是查询方式（不分词），keyword 是字段类型（索引时不分词）。两者概念不同但常配合使用。

terms 查询（多值精确匹配）

类似 SQL 的 IN：

GET product/_search
{
  "query": {
    "terms": {
      "tags": ["88vip", "gongjiaoka"]
    }
  }
}

range 查询（范围查询）

GET product/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 399,
        "lte": 4999
      }
    }
  }
}

日期范围支持 now 表达式和时区：

GET product/_search
{
  "query": {
    "range": {
      "date": {
        "gte": "now-1d/d",
        "lte": "now/d",
        "time_zone": "+08:00"
      }
    }
  }
}

filter（过滤）

和 query 功能一样，但不计算相关性评分，性能更好。适合做数据预处理：

GET product/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "term": { "name": "phone" }
      },
      "boost": 1.2
    }
  }
}

bool 查询（组合查询）

ES 最强大的查询方式，支持逻辑组合：

GET product/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "name": "xiaomi phone" } },
        { "match_phrase": { "desc": "shouji zhong" } }
      ],
      "filter": [
        { "range": { "price": { "lte": 1000 } } }
      ]
    }
  }
}

布尔子句的语义：

子句	含义
`must`	必须匹配，贡献评分
`must_not`	必须不匹配，不贡献评分
`should`	选择性匹配，类似 SQL 的 OR
`filter`	必须匹配，不贡献评分，可缓存

注意：当 should 和 must/filter 搭配时，should 默认”躺平”（可以一个都不满足）。要强制至少匹配 N 个条件，需配置 minimum_should_match。

基础知识速查

索引 CRUD

// 创建索引
PUT /product?pretty

// 查询索引列表
GET _cat/indices?v

// 查询索引 mapping
GET /product/_mapping

// 删除索引
DELETE /product

// 插入/更新文档
PUT /product/_doc/1
{ "name": "xiaomi", "price": 2999 }

// 删除文档
DELETE /product/_doc/1

// 局部更新
POST /product/_doc/1/_update
{ "doc": { "price": 1999 } }

// 批量操作
POST product/_bulk
{ "index": { "_id": "1" } }
{ "name": "zhangsan1" }
{ "index": { "_id": "2" } }
{ "name": "zhangsan2" }

// 批量查询
GET product/_mget
{ "ids": [1, 2, 3] }

总结

Mapping 决定了数据怎么存——text 用于全文搜索，keyword 用于精确匹配和聚合，数值类型对 range 查询有优化。
Analyzer 决定了文本怎么切——三分组合（char_filter → tokenizer → filter）提供了极大的定制空间。
Query 决定了数据怎么搜——match 做分词搜索，term 做精确匹配，bool 做逻辑组合，filter 做高性能过滤。

把这三点想清楚，ES 的基本使用就不会出大问题。下一篇文章会继续深入聚合分析与 Painless 脚本。