Elasticsearch MatchQuery禁用模糊匹配 获取text类型referenceId精确匹配结果

问题根源 #

你遇到的问题和Fuzziness配置无关，是text类型的分词逻辑和matchQuery默认匹配规则导致的：

• text类型字段默认会经过分词器处理，106-0638778-542266这类带横杠的字符串会被标准分词器拆分为106、0638778、542266三个独立分词
• matchQuery默认的operator为OR，只要文档的分词结果和查询词的分词结果有任意一个匹配就会命中，你返回的结果里的referenceId都包含前两个相同的分词，所以就算最后一位不同也会被检索到

解决方案 #

根据你的索引配置不同，有两种可行方案：

方案1：使用keyword子字段做TermQuery（最优推荐） #

ES默认创建的索引中，text类型字段会自动附带一个.keyword后缀的子字段，类型为keyword，不会做分词，直接存储原始值，完全适配精确匹配场景，代码修改如下：

// 字段名加.keyword后缀，用termQuery直接匹配原始完整值
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder()
                                                  .query(QueryBuilders.termQuery(key + ".keyword", val))
                                                  .timeout(TIMEOUT_SECONDS);

SearchRequest searchRequest = new SearchRequest().indices(index).source(searchSourceBuilder);
return restHighLevelClient.search(searchRequest);

你可以调用GET 索引名/_mapping查看索引结构，确认referenceId下是否存在.keyword子字段即可，绝大多数默认创建的索引都自带该配置。

方案2：修改matchQuery匹配规则（无keyword子字段时备选） #

如果你的索引确实没有配置keyword子字段，必须用text字段检索的话，需要同时修改两个匹配参数：

• 将operator设置为AND，要求查询词拆分后的所有分词都在文档中命中
• 增加minimum_should_match为100%，确保所有分词全部匹配
  代码如下：

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder()
                                                  .query(QueryBuilders.matchQuery(key, val)
                                                          .fuzziness(Fuzziness.ZERO)
                                                          .operator(Operator.AND)
                                                          .minimumShouldMatch("100%"))
                                                  .timeout(TIMEOUT_SECONDS);

SearchRequest searchRequest = new SearchRequest().indices(index).source(searchSourceBuilder);
return restHighLevelClient.search(searchRequest);

注意该方案只能保证分词全部匹配，无法区分长度不同但前缀分词完全一致的场景，比如查询a-b-c和文档a-b-c-d的前三个分词完全一致，仍然会命中，因此优先推荐使用方案1。

内容的提问来源于stack exchange，提问作者Reid C