Elasticsearch：准确值与全文本

概括地说，Elasticsearch将数据分成两类：准确值（Exact values）和全文本（Full text）。

准确值就是它们听上去的那样。诸如日期或用户ID。当然字符串也可以是准确值，如用户名或邮件地址。准确值Foo与准确值foo是不同的。准确值2014和准确值2014-09-15也是不同的。

另一方面，全文本（full text）指的是通常用人类语言写的文本数据，像一条tweet的文本或一封邮件的内容。

全文本也经常被称为非结构化数据（unstructured data）。这个定义并不十分恰当，因为自然语言是高度结构化的。问题在于自然语言的规则是非常复杂的，以至于计算机很难正确地解析它们。例如以下句子：May is fun but June bores me.

请问，May 和 June到底指的是月份还是人？

准确值非常容易查询。因为它要么匹配查询条件，要么不匹配。像下面这种查询就很容易使用SQL来表达：

     WHERE name = "John Smith"

          AND user_id = 2

          AND date > "2014-09-15"

相对准确值查询，全文查询更为微妙。我们不会只问：“这份文档是否能匹配这次查询”，而是问：“这份文档有多匹配这次查询”。换种说法，这份文档与这次查询有多 相关。

我们很少对整个全文文本字段（full-text field）进行准确匹配。取而代之，我们会想去查询存在里面的文本字段。不过不只这种方式，我们期望搜索引擎能理解我们的意图：

     * 当我们搜索UK时，它应该还会返回提到United Kingdom的文档

     * 当我们搜索jump时，它应该还会匹配jumped、jumps、jumping，甚至leap

     * jhnny walker 应该还会匹配Johnnie Walker。 而johnnie depp应该匹配到Johnny Depp。

     * fox news hunting应该返回在Fox News上的关于hunting的故事。而fox hunting news应该返关于fox hunting的新闻。

为了使这种全文搜索更容易，Elasticsearch首先对文本进行分析，然后使用分析结果构建反向索引（inverted index）。接下来的两节，我们将讨论反向索引和这个分析过程。

小结

一开始学习信息检索时，很容易地就认为SQL语句不是完全可以实现搜索功能了么。后来学习到全文检索和反向索引，就明白信息检索背后还需要很多不同的技术来支持，如分词技术、索引、自然语言处理等。

说回来，目前我学习到，使用的都是 “索引”思路来解决搜索问题。那么是不是存在另一些人们不知道的信息检索思路？这里说的索引思路，指的是使用某种方法抽取出待搜索物的特征，查询时，只要与这些特征比较就可以哪些待搜索物匹配查询了。