Elasticsearch 6.8中match_phrase结合N-gram分词匹配'rm'失败问题

首先得明确match_phrase的核心逻辑：它会先把查询文本用字段指定的分词器切成token序列，然后要求目标文档的分词结果里，必须包含这个完整的序列，而且token要按顺序严格连续出现（默认slop=0）——这里的"连续"指后续token的位置必须和前一个保持严格的顺序递进关系。

1. 先拆解查询词"rm"的分词结果 #

当你用match_phrase查"rm"时，Elasticsearch会用dbName字段的my_analyzer处理查询文本，基于你的N-gram配置（min_gram=1, max_gram=3），得到的token列表是：

["r", "rm", "m"]

每个token对应的起始位置（position）：

• "r" → position 0
• "rm" → position 0
• "m" → position 1

2. 再看目标文档的分词细节 #

以文档1（dbName: "rm.rf"）为例，用my_tokenizer分词后的完整token及对应position如下：

3. 为什么match_phrase匹配失败？ #

match_phrase要求查询的token序列按顺序连续出现：

• 第一步找到"r"（position 0）没问题
• 第二步找到紧跟的"rm"（position 0）也满足
• 但第三步需要找到紧跟"rm"的"m"（position 1），可文档里"rm"之后的下一个token是"rm."（position 0），不是"m"，整个序列的连续性被打断，所以匹配失败。

4. 为何搜索".rf"能成功匹配？ #

同样分析查询词".rf"的分词结果：

[".", ".r", ".rf", "r", "rf", "f"]

对应的position：

• "." → position 0
• ".r" → position 0
• ".rf" → position 0
• "r" → position 1
• "rf" → position 1
• "f" → position 2

而文档1的分词结果里，"."（position2）→ ".r"（position2）→ ".rf"（position2）是连续出现的，完全符合match_phrase的匹配规则，所以能成功命中文档1。

解决方案：如何匹配包含"rm"的文档？ #

如果只是想匹配包含"rm"这个token的文档，不需要严格的短语连续，推荐两种方式：

1. 用match查询：它会匹配任何包含查询分词结果中token的文档，不需要严格连续

GET /m8/table/_search
{
  "query": {
    "bool": {
      "must": [ { "match": { "dbName": "rm" } } ]
    }
  }
}

2. 用term查询：精确匹配"rm"这个token（注意：term查询不会对查询文本分词，直接匹配索引中的token）

GET /m8/table/_search
{
  "query": {
    "bool": {
      "must": [ { "term": { "dbName": "rm" } } ]
    }
  }
}

内容的提问来源于stack exchange，提问作者Rollsbean