Elasticsearch中 match、match_phrase、query_string和term的区别

本文深入探讨了Elasticsearch中text与keyword字段的区别,以及match、term、match_phrase和query_string查询方式的特点。通过实例展示了不同字段类型在分词处理上的差异,以及各种查询方式在精确匹配与模糊搜索场景下的应用。

(一)text字段和keyword字段的区别

以下给出一个例子:

首先建立一个索引和类型,引入一个keywork的字段:

PUT my_index
{
  "mappings": {
    "products": {
      "properties": {
        "name": {
          "type": "keyword"
        }
      }
    }
  }
}
然后查询是否有索引:

GET _cluster/state

可以看到已经创建成功:

 

添加一条数据:

POST my_index/products
{
  "name":"washing machin"
}

然后查询:

GET my_index/products/_search
{
  "query": {
    "term": {
      "name": "washing"
    }
  }
}

可以看到没有匹配到任何数据:

然后查询:

GET my_index/products/_search
{
  "query": {
    "term": {
      "name": "washing machine"
    }
  }
}

可以看到成功匹配到了数据:

所以将字段设置成keyword,查询的时候已有的值不会被分词。

现在添加一个text类型的字段:

PUT my_index/_mapping/products?update_all_types
{
  "properties": {
      "tag": {
        "type": "text"
      }
  }
}

可以看到添加成功:

往之前已经创建的doc之中添加tag的数据:

POST my_index/products/AWf9f66WV8yLH435XhgI
{
  "name":"washing machine",
  "tag":"electric household"
}

查询一下,可以看到:

然后对tag字段进行查询:

POST  /my_index/products/_search
{
  "query": {
    "term": {
      "tag": "household"
    }
  }
}

可以看到虽然没有全部输入,但是已经查询到了:

现在输入全部的查询:

POST  /my_index/products/_search
{
  "query": {
    "term": {
      "tag": "electric household"
    }
  }
}

 发现现在已经查询不到了:

 

说明text类型的字段会被分词,查询的时候如果用拆开查可以查询的到,但是要是直接全部查,就是查询不到。

注意:“1, 2”会被拆分成[1, 2],但是"1,2"是不拆分的,因为之间少了个空格。

(二)match和term的区别

 

 1.term

 1)term查询keyword字段。

 term不会分词。而keyword字段也不分词。需要完全匹配才可

 

成功。

但是如果:

则查询失败。

 2)term查询text字段。

因为text字段会分词,而term不分词,所以term查询的条件必须是text字段分词后的某一个

 

 

查询成功。

查询失败,因为现在tag已经被分词了,存储的是[he, is, silly, man]。

 这样查询:

也是失败了,道理跟上面的是一样的。

2.match

1)match查询keyword字段

match会被分词,而keyword不会被分词,match的需要跟keyword的完全匹配可以

 

其他的不完全匹配的都是失败的。

2)match查询text字段

match分词,text也分词,只要match的分词结果和text的分词结果有相同的就匹配

成功。如果都不相同就失败了。

3.match_phrase

1)match_phrase匹配keyword字段。

match_phrase会被分词,而keyword不会被分词,match_phrase的需要跟keyword的完全匹配才可以。

只有这种情况才是成功的。

2)match_phrase匹配text字段。

match_phrase是分词的,text也是分词的。match_phrase的分词结果必须在text字段分词中都包含,而且顺序必须相同,而且必须都是连续的

这是成功的。

如果不是连续的,就会失败。

 4.query_string

1)query_string查询key类型的字段,试过了,无法查询。

2)query_string查询text类型的字段。

和match_phrase区别的是,query_string查询text类型字段,不需要连续,顺序还可以调换。

成功。

这样也是可以的。

内容概要:本文围绕“面向高精度电流控制的PMSM多参数PSO辨识模型研究”,系统阐述了基于Simulink的永磁同步电机(PMSM)多参数辨识方法,重点采用粒子群优化算法(PSO)实现对电机关键内部参数的高精度辨识。研究构建了完整的PMSM控制系统仿真模型,结合智能优化算法,解决了传统参数辨识中精度低、收敛慢的问题,有效提升了电流环控制的动态性能与稳态精度。该方法特别适用于对控制精度响应速度要求较高的工业应用场景,如高性能伺服系统、电动汽车驱动系统等,具有较强的工程实用价值科研参考意义。文中提供了完整的Simulink仿真模型与配套代码,确保了研究内容的可复现性实践操作性。; 适合人群:具备电机控制、自动化或电气工程等相关专业背景,熟悉MATLAB/Simulink仿真环境,从事电机驱动系统研发、控制算法设计或相关领域科研工作的工程师及研究生,尤其适合工作1-5年、希望深入理解先进参数辨识技术的研发人员。; 使用场景及目标:①开展高精度PMSM控制系统的设计与参数辨识研究;②学习并掌握PSO等智能优化算法在电机系统参数辨识中的具体实现与调优技巧;③完成学术论文复现、科研项目验证、毕业设计或工程原型开发,提升对现代电机控制核心技术的理解与应用能力。; 阅读建议:建议读者结合提供的Simulink模型与源代码进行动手实践,按照文档逻辑逐步搭建与调试仿真系统,重点关注PSO算法与电机模型的交互机制、目标函数设计及参数收敛过程,通过对比不同工况下的辨识结果,深入理解算法性能与控制精度之间的内在联系。
内容概要:本文档详细介绍了基于Simulink的双机并联虚拟同步发电机(VSG)系统仿真模型,重点涵盖微电网黑启动、有功/无功功率分配、虚拟阻抗控制及预同步并网控制等核心技术的实现方法。通过构建完整的VSG控制系统,实现了在孤岛模式下微电网的安全启动与稳定运行,有效解决了多逆变器并联系统中的功率均分问题。采用虚拟阻抗技术优化输出阻抗特性,提升了系统的稳定性与动态响应能力;同时引入预同步控制策略,确保并网前电压、频率相位的高度匹配,显著降低并网冲击电流。该仿真平台为研究微电网自治运行、提升可再生能源消纳能力以及VSG关键控制技术的验证提供了高可信度的实验环境。; 适合人群:电力系统、电气工程及其自动化等相关专业的高校研究生、科研人员,以及从事微电网、分布式能源系统、新能源并网技术开发的工程技术人员。; 使用场景及目标:①用于教学与科研中对虚拟同步机控制策略的理解与验证;②支撑微电网黑启动过程的建模仿真与优化研究;③开展多逆变器并联运行下的功率协调控制算法设计与性能测试;④为实际工程中微电网控制器的开发与调试提供理论依据与仿真支持。; 阅读建议:建议结合MATLAB/Simulink环境动手搭建模型,对照文档逐步实现各功能模块,重点关注控制环路设计、参数整定及仿真结果分析,可进一步扩展至多机多场景复杂工况以深化对系统动态行为的理解。
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值