引言
昨天是感恩节，上幼儿园的女儿在老师的叮嘱下，晚上为我和老婆洗了脚(形式上的^_^)，还给我们每人端了一杯水。看着孩子一天天的长大，懂事，感觉很开心，话说咱们程序员这么辛苦是为了什么？不就是为了老婆，孩子，热炕头，有一个温暖幸福的家庭，再捎带着用代码改变一下世界吗？想到这里，顿时觉得学习，创作博客的劲头也的更足了。哈哈，扯远了，书归正传，今天我们来聊聊 Match Query。
Match Query 是最常用的 Full Text Query 。无论需要查询什么字段， match 查询都应该会是首选的查询方式。它既能处理全文字段，又能处理精确字段。
构建示例为了能够在后面能深入理解 Match Query 中的各个属性的意义，我们先构建一个 index 示例(有兴趣的同学只要将下面字段粘贴到 sense 中就可以创建)。
PUT matchtest { } PUT matchtest/_mapping/people { "properties": { "age": { "type": "integer" }, "hobbies": { "type": "text" }, "name": { "type": "keyword" } } } PUT matchtest/people/1 { "name" : "Jim", "age": 10, "hobbies": "football, basketball, pingpang" } PUT matchtest/people/2 { "name" : "Tom", "age": 12, "hobbies": "swimming, football" } match operator 参数match 查询是一种 bool 类型的查询。什么意思呢？举个例子，查询 people type 的 hobbies 为 football basketball
GET matchtest/people/_search { "query": { "match": { "hobbies": "football basketball" } } }会将上面的两个文档都搜索出来。为什么？上面的查询其实隐藏了一个默认参数operator ， 它的默认值是 or ，也就是说上面的查询也可以写成这种形式
GET matchtest/people/_search { "query": { "match": { "hobbies": { "query": "football basketball", "operator": "or" } } } }这样就比较容易理解了，既然是 or 操作符，就表示只要查询的文档的 hobbies 字段中含有 football 和 basketball 任意一个，就可以被匹配到。
如果将 operator 操作符的值改为 and ，则表示需要同时包含 football 和 basketball ， 得到的结果就只能是 文档 1 Jim 小朋友了。
analyzeranalyzer 属性是指在对查询文本分析时的分析器
如果没有指定则会使用字段mapping 时指定的分析器
如果字段在 mapping 时也没有明显指定，则会使用默认的 search analyzer。
这里我们也没有指定，就会使用默认的，就不举例了，在后面文章讲解 analyzer 时再拓展。
lenient 参数默认值是 false ， 表示用来在查询时如果数据类型不匹配且无法转换时会报错。如果设置成 true 会忽略错误。
例如， 例子中的 age 是 integer 类型的，如果查询 age=xxy ，就会导致无法转换而报错。
GET matchtest/_search { "query": { "match": { "age" : { "query": "xxx" } } } }而如果将 lenient 参数设置为 true ，就会忽略这个错误
GET matchtest/_search { "query": { "match": { "age" : { "query": "xxx", "lenient": true } } } }注意，如果将 age 字段的值设置为字符串 "10", 来查询，由于能够转换成整数，这时 elastic 内部会将 字符串先转换成整数再做查询，不会报错。
Fuzziness fuzzniess 参数fuzziness 参数可以是查询的字段具有模糊搜索的特性。来先了解下什么是模糊搜索。
什么是模糊搜索？模糊搜索是指系统允许被搜索信息和搜索提问之间存在一定的差异，这种差异就是“模糊”在搜索中的含义。例如，查找名字Smith时，就会找出与之相似的Smithe， Smythe， Smyth， Smitt等。
——百度百科
通过模糊搜索可以查询出存在一定相似度的单词，那么怎么计算两个单词是否有相似度以及相似度的大小呢？这就要了解下另外一个概念：Levenshtein Edit Distance
Levenshtein Edit DistanceLevenshtein Edit Distance 叫做莱文斯坦距离**，是编辑距离的一种。指两个字串之间，由一个转成另一个所需的最少编辑操作次数。允许的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。
例如，单词 "god" 只需要插入一个 'o' 字符就可以变为 "good"，因此它们之间的编辑距离为 1。
fuzziness 参数取值规则了解了上面两个概念，回过头再来看下 fuzziness 参数。
在查询 text 或者 keyword 类型的字段时, fuzziness 可以看做是莱文斯坦距离。
fuzziness 参数的取值如下
0,1,2 表示最大可允许的莱文斯坦距离
AUTO
会根据词项的长度来产生可编辑距离，它还有两个可选参数，形式为AUTO:[low],[high]， 分别表示短距离参数和长距离参数；如果没有指定，默认值是 AUTO:3,6 表示的意义如下
0..2
单词长度为 0 到 2 之间时必须要精确匹配，这其实很好理解，单词长度太短是没有相似度可言的，例如 'a' 和 'b'。
3..5
单词长度 3 到 5 个字母时，最大编辑距离为 1
>5
单词长度大于 5 个字母时，最大编辑距离为 2
最佳实践: fuzziness 在绝大多数场合都应该设置成 AUTO
如果不设置 fuziness 参数，查询是精确匹配的。
来看例子，上面创建了一个 doc
PUT matchtest/people/1 { "name" : "Jim", "age": 10, "hobbies": "football, basketball, pingpang" }设置 fuzziness 为 AUTO ，
其中 hobbies 字段的值 football 长度 > 5, 此时我们找一个编辑距离为 2 的单词 footba22 来查询，应该匹配到
其中 name 字段的值 jim 长度在 3 和 5 之间，此时找一个编辑距离为 1 的单词 jiO 应匹配到，而编辑距离为 2 的 jOO 就不应匹配到。