Search API

Search

搜索条件可以通过查询字符串，也可以在请求体中传递。

搜索接口支持从多个索引中查找文档vj。

基本格式：

# 单索引内检索文档
GET /{index}/_search?q={field}:xxx

# 多索引内检索文档
GET /{index1, index2}/_search?q={field}: xxx

# 全部索引内检索文档
GET /_all_/_search?q={field}: xxx

URI Search

通过URI传参的方式比较简单，但是不能支持所有的搜索选项。

RUI支持传参如下：
https://www.elastic.co/guide/en/elasticsearch/reference/7.2/search-uri-request.html

Request Body Search

搜索请求可以使用search DSL，幷包含Query DSL，比如：

GET /twitter/_search
{
    "query": {
        "term": {"user": "kimchy"}
    }
}

注意：其实GET请求也是可以带请求体的。考虑到不是所有的客户端支持GET携带请求体，因此，也上请求也可以通过POST发送。

返回结果如下：

{
  "took" : 5,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.47000363,
    "hits" : [
      {
        "_index" : "twitter",
        "_type" : "_doc",
        "_id" : "A6y0umsBAkV3IICsYCLL",
        "_score" : 0.47000363,
        "_source" : {
          "user" : "kimchy",
          "post_date" : "2009-11-15T14:12:12",
          "message" : "trying out Elasticsearch"
        }
      },
      {
        "_index" : "twitter",
        "_type" : "_doc",
        "_id" : "BKzNumsBAkV3IICsUCJn",
        "_score" : 0.47000363,
        "_routing" : "kimchy",
        "_source" : {
          "user" : "kimchy",
          "post_date" : "2009-11-15T14:12:12",
          "message" : "trying out Elasticsearch"
        }
      }
    ]
  }
}

如果只是想知道是否有匹配条件的文档，可以设置size参数为0，这表示你并不需要搜索的结果。或者，将terminate_after设置为1，表示只要找到一个一个文档，查询操作就可以结束了。

curl -X GET "localhost:9200/_search?q=message:number&size=0&terminate_after=1"

如果查询时不指定任何条件，将返回所有结果，比如：

GET /twitter/_search

查询的方式：

• match 查询，针对全文检索
• term 查询，词条精确搜索

查询的逻辑运算：

搜索时如果有多个关键字，ES默认他们是或的关系：

GET twitter/_search
{
  "query": {
    "match": {
      "message": "out me"
    }
  }
}

以上搜索查找message字段中包含out或me的文档。

如果要指定and搜索，需要使用布尔查询：

GET twitter/_search
{
  "query": {
    "bool":{
      "must": [
        {"match": {"field1": "out"}},
        {"match": {"field2": "me"}}
        ]
    }
  }
}

docvalue fields 字段的文档值

为每个命中返回字段的文档值表示，比如：

GET /_search
{
    "query" : {
        "match_all": {}
    },
    "docvalue_fields" : [
        "my_ip_field", // 直接用字段名
        {
            "field": "my_keyword_field"   // 也可以使用对象标记
        },
        {
            "field": "my_date_field",  // 字段名也支持通配符，比如 *_date_field
            "format": "epoch_millis"   // 在对象标记中可以自定义格式
        }
    ]
}

docvalue_fields支持两种两种用法：

• 直接指定字段名
• 对象标记

docvalue_fields支持所有启动了文档值的字段，无论这些字段是否被存储。

如果docvalue_fields中指定了未启用文档值的字段，它将尝试从字段数据的缓存中加载值，从而导致该字段的词条加载到内存中，消耗更多的内存。

另外，大部分字段类型不支持自定义格式，但是：

• Date类型的字段可以指定日期格式
• Numeric类型的字段可以指定Decimal样式

注意：

docvalue_fields不能加载嵌套对象中的字段，如果某字段的路径中包含嵌套对象，那么无法返回任何数据。要访问嵌套的字段，只能在inner_hits块中使用docvalue_fields

什么是doc values？

大部分字段会被默认索引，以备查询。倒排索引允许查找词条，并找到包含词条的相关文档。但是排序，聚合，以及在脚本中访问字段的值要使用的不同的数据访问模式，我们需要查找文档并找到字段中的词条，而不是先找到词条，再找到文档。

文档值是磁盘存储的数据结构，在文档索引时构建。其值与_source字段相同，但是是以列的方式，使其对排序和聚合操作更高效。几乎所有的字段类型都支持文档值，除了analyzed字符串字段。

支持文档值的字段默认都已开启这一特性。如果你确定不需要基于某字段进行排序、聚合，或者在脚本中访问该字段的值，你可以禁用这一特性，以节约磁盘空间。

PUT my_index
// curl -X PUT "localhost:9200/my_index" -H 'Content-Type: application/json' -d'
{
  "mappings": {
    "properties": {
      "status_code": {  // 默认启用文档值
        "type":       "keyword"
      },
      "session_id": { 
        "type":       "keyword",
        "doc_values": false  // 禁用文档值
      }
    }
  }
}

Explain详细信息

指定explain为true可以查看每次命中的详细计算

GET twitter/_search
{
  "explain": true, 
  "query": {
    "term": {"user": "kimchy"}
  }
}

collapese 字段折叠

基于字段的值折叠搜索结果，相当于分组并排序后，取每组第一个文档。比如下面的查询检索每个用户获赞最高的tweet：

GET /twitter/_search
{
    "query": {
        "match": {
            "message": "elasticsearch"
        }
    },
    "collapse" : {
        "field" : "user" // 根据user字段折叠
    },
    "sort": ["likes"], 
}

From, Size

from指定偏移，size指定返回的命中数，可以用于分页

GET /_search
{
    "from" : 0, "size" : 10,
    "query" : {
        "term" : { "user" : "kimchy" }
    }
}

注意：from + size 不能大于index.max_result_window的默认值10000

###highlight高亮

基本用法：高亮需要指定字段

GET /_search
{
  "query": {
    "match": {"content": "mate"}
  },
  "highlight": {
    "fields": {"content":{}}  // 使用默认样式高亮content字段
  }
}

返回结果如下，默认样式是加<em>标签：

{
  "took" : 261,
  "timed_out" : false,
  "_shards" : {
    "total" : 18,
    "successful" : 18,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.8328784,
    "hits" : [
      {
        "_index" : "article",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.8328784,
        "_source" : {
          "content" : "huawei mate pro 销量一飞冲天"
        },
        "highlight" : {
          "content" : [
            "huawei <em>mate</em> pro 销量一飞冲天"
          ]
        }
      },
      {
        "_index" : "article",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 0.7942397,
        "_source" : {
          "content" : "mate pro 销量以前销量普通"
        },
        "highlight" : {
          "content" : [
            "<em>mate</em> pro 销量以前销量普通"
          ]
        }
      }
    ]
  }
}

指定高亮文本的摘要长度：

GET post001/_search
{
  "query": {
    "multi_match": {
      "fields": ["title", "content"],
      "query": "考研"
    }
  },
  "highlight": {
    "fields": {
      "content": {
        "number_of_fragments": 3,  // 返回几个匹配的摘要
        "fragment_size": 50  // 每个摘要的长度
    },
      "title": {}
    }
  }
  
}

更多自定义设置参考官网

indices_boost 索引提升

为不同的索引（集）设置不同的提升级别，当一个索引的命中结果比其他索引的命中结果更重要时，可以使用。

GET /_search
{
    "indices_boost" : [
        { "index1" : 1.4 },
        { "index2" : 1.3 }
    ]
}

如果指定的索引不存在，会报错。

inner_hits内部命中

join父子字段和nested嵌套字段（对象数组）可以返回不同域内匹配的文档。

inner_hits可以告诉你哪个嵌套对象或者父/子文档导致了特定信息被返回。inner_hits可以定义在nested, has_child, has_parent查询和过滤中。

nested inner hits

示例：

// 定义test001，comments字段类别为nested
PUT test001
{
  "mappings": {
    "properties": {
      "comments": {
        "type": "nested"
      }
    }
  }
}

// 索引文档
PUT test/_doc/1
{
  "title": "Test title",
  "comments": [  // 对象数组
    {
      "author": "kimchy",
      "number": 1
    },
    {
      "author": "nik9000",
      "number": 2
    }
  ]
}

// 
POST test001/_search
{
  "query": {
    "nested": {  // nested查询
      "path": "comments",
      "query": {
        "match": {"comments.number" : 2}
      },
      "inner_hits": {} 
    }
  }
}

// 查询结果如下：
{
  "took" : 34,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "test001",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "title" : "Test title",
          "comments" : [
            {
              "author" : "kimchy",
              "number" : 1
            },
            {
              "author" : "nik9000",
              "number" : 2
            }
          ]
        },
        "inner_hits" : {
          "comments" : {
            "hits" : {
              "total" : {
                "value" : 1,
                "relation" : "eq"
              },
              "max_score" : 1.0,
              "hits" : [
                {
                  "_index" : "test001",
                  "_type" : "_doc",
                  "_id" : "1",
                  "_nested" : {  // 内部命中了哪个对象
                    "field" : "comments",
                    "offset" : 1
                  },
                  "_score" : 1.0,
                  "_source" : {  // 这个资源是 _nested中命中的那个对象
                    "author" : "nik9000",
                    "number" : 2
                  }
                }
              ]
            }
          }
        }
      }
    ]
  }
}

上面的例子中，_nested元数据很关键，因为它定义了这个内部命中来自哪个内部嵌套对象：这里是comments字段中，偏移为1的那个嵌套对象。不过，由于排序和打分，命中位置通常和该对象定义时的位置不一致。

特别要注意的是，嵌套对象存储在根文档中，而根文档在_source字段下，嵌套对象其实没有_source字段。为嵌套对象返回这个字段是有性能开销的，尤其是在size和内部命中的size设置的比默认值大的时候。为了避免这一点，可以在inner_hits中禁止包含_source字段，而是使用docvalue_fields字段。就像这样：

POST test/_search
{
  "query": {
    "nested": {
      "path": "comments",
      "query": {
        "match": {"comments.text" : "words"}
      },
      "inner_hits": {
        "_source" : false,
        "docvalue_fields" : [
          "comments.number"
        ]
      }
    }
  }
}

多层嵌套字段和内部命中

示例：以下comments嵌套字段中又包含一个votes嵌套字段：

// 定义mapping
PUT test
{
  "mappings": {
    "properties": {
      "comments": {
        "type": "nested",
        "properties": {
          "votes": {
            "type": "nested"
          }
        }
      }
    }
  }
}

// 索引文档
PUT test/_doc/1?refresh
{
  "title": "Test title",
  "comments": [
    {
      "author": "kimchy",
      "text": "comment text",
      "votes": []
    },
    {
      "author": "nik9000",
      "text": "words words words",
      "votes": [
        {"value": 1 , "voter": "kimchy"},
        {"value": -1, "voter": "other"}
      ]
    }
  ]
}

// inner hits查询
POST test/_search
{
  "query": {
    "nested": {
      "path": "comments.votes",
        "query": {
          "match": {
            "comments.votes.voter": "kimchy"
          }
        },
        "inner_hits" : {}
    }
  }
}

返回结果如下：

{
  ...,
  "hits": {
    "total" : {
        "value": 1,
        "relation": "eq"
    },
    "max_score": 0.6931472,
    "hits": [
      {
        "_index": "test",
        "_type": "_doc",
        "_id": "1",
        "_score": 0.6931472,
        "_source": ...,
        "inner_hits": {
          "comments.votes": { 
            "hits": {
              "total" : {
                  "value": 1,
                  "relation": "eq"
              },
              "max_score": 0.6931472,
              "hits": [
                {
                  "_index": "test",
                  "_type": "_doc",
                  "_id": "1",
                  "_nested": {
                    "field": "comments",
                    "offset": 1,
                    "_nested": {
                      "field": "votes",
                      "offset": 0
                    }
                  },
                  "_score": 0.6931472,
                  "_source": {
                    "value": 1,
                    "voter": "kimchy"
                  }
                }
              ]
            }
          }
        }
      }
    ]
  }
}

父子内部命中

示例：

PUT test
{
  "mappings": {
    "properties": {
      "my_join_field": {
        "type": "join",
        "relations": {
          "my_parent": "my_child"
        }
      }
    }
  }
}

// 索引父文档
PUT test/_doc/1?refresh
{
  "content": "from parent balabala",
  "my_join_field": "my_parent"
}

// 索引子文档,url中的routing必须是parent的id值
PUT test/_doc/2?routing=1&refresh
{
  "content": "from child balabala",
  "my_join_field": {
    "name": "my_child",
    "parent": "1"
  }
}

// has_child搜索，搜索子文档查找父文档
POST test/_search
{
  "query": {
    "has_child": {
      "type": "my_child",
      "query": {
        "match": {
          "content": "from child balabala"
        }
      },
      "inner_hits": {}    
    }
  }
}

// has_parent，基于父文档查找子文档
POST test/_search
{
  "query": {
    "has_parent": {
      "type": "my_parent",
      "query": {
        "match": {
          "content": "from parent balabala"
        }
      },
      "inner_hits": {}    
    }
  }
}

返回结果：

{
    ...,
    "hits": {
        "total" : {
            "value": 1,
            "relation": "eq"
        },
        "max_score": 1.0,
        "hits": [  // 命中父文档
            {
                "_index": "test",
                "_type": "_doc",
                "_id": "1",  
                "_score": 1.0,
                "_source": { 
                    "number": 1,
                    "my_join_field": "my_parent"
                },
                "inner_hits": {
                    "my_child": {
                        "hits": {
                            "total" : {
                                "value": 1,
                                "relation": "eq"
                            },
                            "max_score": 1.0,
                            "hits": [  // 命中子文档
                                {
                                    "_index": "test",
                                    "_type": "_doc",
                                    "_id": "2",
                                    "_score": 1.0,
                                    "_routing": "1",
                                    "_source": {
                                        "number": 1,
                                        "my_join_field": {
                                            "name": "my_child",
                                            "parent": "1"
                                        }
                                    }
                                }
                            ]
                        }
                    }
                }
            }
        ]
    }
}

min_score

过滤打分低于指定值的文档：

GET /_search
{
    "min_score": 0.5,
    "query" : {
        "term" : { "user" : "kimchy" }
    }
}

_name 命名查询

过滤上下文和查询上下文中，可以指定_name

GET /_search
{
    "query": {
        "bool" : {
            "should" : [
                {"match" : { "name.first" : {"query" : "shay", "_name" : "first"} }},
                {"match" : { "name.last" : {"query" : "banon", "_name" : "last"} }}
            ],
            "filter" : {
                "terms" : {
                    "name.last" : ["banon", "kimchy"],
                    "_name" : "test"
                }
            }
        }
    }
}

post_filter

在搜索结果出来后，再进行过滤（区别于搜索中过滤），具体参见官网的示例

preference

指定在哪个副本分片上执行搜索。

rescore

二次打分有助于提高查询的精度。它应用额外的算法对query和post_filter返回查询结果的TOP-N进行重新排序（不对所有查询结果应用，是为了减少开销）。rescore请求在每个分片返回其结果给协调节点前（该节点负责处理当前请求并汇总结果）执行。

TOP-N可以通过window_size参数指定，默认是10。

原始查询打分和二次打分查询的打分合并为文档的最终打分。

原始查询和二次打分查询的权重可以通过query_weight和rescore_query_weight来控制，默认是1。

示例：

POST /_search
{
   "query" : {
      "match" : {
         "message" : {
            "operator" : "or",
            "query" : "the quick brown"
         }
      }
   },
   "rescore" : {
      "window_size" : 50,
      "query" : {
         "rescore_query" : {
            "match_phrase" : {
               "message" : {
                  "query" : "the quick brown",
                  "slop" : 2
               }
            }
         },
         "query_weight" : 0.7,
         "rescore_query_weight" : 1.2
      }
   }
}

打分合并的方式可以由score_mode控制：

• total 相加（默认值）
• multiply
• avg
• max
• min

另外，可以依次执行多个二次打分：

POST /_search
{
   "query" : {
      "match" : {
         // ...
         }
      }
   },
   "rescore" : [ {
      "window_size" : 100,
      "query" : {
         "rescore_query" : {
          // ...
         },
         "query_weight" : 0.7,
         "rescore_query_weight" : 1.2
      }
   }, {
      "window_size" : 10,
      "query" : {
         "score_mode": "multiply",
         "rescore_query" : {
          // ...
         }
      }
   } ]
}

script fields

自定义字段，并根据脚本返回自定义的值：

GET /_search
{
    "query" : {
        "match_all": {}
    },
    "script_fields" : {
        "test1" : {
            "script" : {
                "lang": "painless",
                "source": "doc['price'].value * 2"
            }
        },
        "test2" : {
            "script" : {
                "lang": "painless",
                "source": "doc['price'].value * params.factor",
                "params" : {
                    "factor"  : 2.0
                }
            }
        }
    }
}

访问字段时，推荐使用doc['field'].value的方式，当然也可以通过params['_source']['field']的方式，比如：

GET /_search
    {
        "query" : {
            "match_all": {}
        },
        "script_fields" : {
            "test1" : {
                "script" : "params['_source']['message']"
            }
        }
    }

二者的区别是，doc['field'].value的方式是将目标字段的词条加载到内存并缓存，执行速度更快。另外，这种方式仅适用于简单数据类型的字段（比如，不能是json），且对于不作分词处理或者单词条的字段才有意义（也就不能是text类型）。

不推荐使用_source的方式，因为要加载并解析整个文档，会很慢。

scroll

类似于传统数据库的游标。scroll用于处理大量的数据，比如分页，比如将一个索引的文档重新索引到另一个索引，分批来索引。

示例：

POST /twitter/_search?scroll=1m  // 指定保持搜索上下文1分钟
{
    "size": 100,  // 指定分页大小
    "query": {
        "match" : {
            "title" : "elasticsearch"
        }
    }
}

要使用scroll，必须在第一次请求的查询字符串中指定?scroll，来告诉ES保持搜索上下文。ES返回的结果中，会包含一个_scroll_id，在调用scroll API时，需要传递这个id来检索下一批的结果：

POST /_search/scroll 
{
    "scroll" : "1m", 
    "scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAD4WYm9laVYtZndUQlNsdDcwakFMNjU1QQ==" 
}

注意，这次请求不需要指定索引名，因为第一次请求中已经指定了（猜测scroll_id中包含该信息）。scroll参数告诉ES，再保持上下文1分钟。

更多查看官网

search_after

分页可以使用from和size完成，但是随着分页数越来越大，开销也将无法接受。ES默认的index.max_result_window值是10000就是出于这个考虑。相比之下，对于大的分页，更推荐使用scroll，但是scroll有上下文开销，并且不推荐用于用户的实时请求。而search_after通过实时游标可以解决这个问题，其思路是使用上一页的结果来帮助检索下一页的数据。

示例：

GET twitter/_search
{
    "size": 10,
    "query": {
        "match" : {
            "title" : "elasticsearch"
        }
    },
    "sort": [
        {"date": "asc"},
        {"tie_breaker_id": "asc"}      
    ]
}

注意：

排序的tiebreaker参数应该使用能唯一标识文档的字段，否则可能出现排序未定义，导致缺失或者重复结果。_id字段具有唯一值，但是不推荐直接作为tiebreaker使用。需要知道的是，search_after在查找文档时，只需要全部或者部分匹配tiebreaker提供的值。因此，若一个文档tiebreaker值是"654323"，而你指定search_after为"654"，那么将仍然匹配该文档，并返回它之后的结果。建议在另一个字段中重复_id字段的内容，并使用这个新字段作为tiebreaker用于排序。

以上请求的结果会包含文档排序值（sort values）的数组，这些排序值可以用在search_after参数中。比如我们可以将最后一个文档的排序值传给"search_after"，以获取下一页的数据：

GET twitter/_search
{
    "size": 10,
    "query": {
        "match" : {
            "title" : "elasticsearch"
        }
    },
    "search_after": [1463538857, "654323"],
    "sort": [
        {"date": "asc"},
        {"tie_breaker_id": "asc"}
    ]
}

如果使用了search_after，from参数只能设置为0或者-1

search_after无法满足随意跳页的要求，类似于scroll API。不同之处在于，search_after是无状态的，因此索引的更新或者删除，可能会改变排序。

也可使用打分（搜索时默认按打分倒序）和id来排序：

"sort": [
    {"_score": {"order": "desc"}},
    {"_id": {"order":"asc"}}
]

注意：search_after和collapse不能同时使用！！！

seq_no_primary_term

返回匹配文档最后一次修改的序号和primary term（和并发加锁有关，具体参考ES的Document API）：

GET /_search
{
    "seq_no_primary_term": true,
    "query" : {
        "term" : { "user" : "kimchy" }
    }
}

sort

排序在字段上定义，对于特殊字段，_score根据打分排序，_doc根据索引排序。

示例：

PUT /my_index
{
    "mappings": {
        "properties": {
            "post_date": { "type": "date" },
            "user": {"type": "keyword"},
            "name": {"type": "keyword"},
            "age": { "type": "integer" }
        }
    }
}

GET /my_index/_search
{
    "sort" : [
        { "post_date" : {"order" : "asc"}},
        "user",
        { "name" : "desc" },
        { "age" : "desc" },
        "_score"
    ],
    "query" : {
        "term" : { "user" : "kimchy" }
    }
}

_doc没啥用但确是最高效的排序。如果你不关心文档返回顺序，建议使用_doc排序，在scroll中尤其如此。

sort values

每个文档的排序值会在响应中返回，可用于search_after API

sort order

• asc 升序，默认排序方式
• desc 倒序，根据_score排序默认是倒序

sort mode option

ES支持就数组或多值字段排序，mode选项可以控制用哪个值用来排序：

• min 选择最小值
• max 选择最大值
• sum 加总值（仅适用于数字数组）
• avg 平均值（仅适用于数字数组）
• median 中位数（仅适用于数字数组）

升序排序时，默认模式是min，倒序排序时，默认模式是max

更多查看官网

_source 过滤

控制_source字段的返回，可以禁止返回，设置为flase，也可以指定返回哪些字段，丢弃哪些字段：

GET twitter/_search
{
  "_source": {
    "includes": ["user", "post_date"],  // 返回的字段
    "excludes": "message"  // 丢弃的字段
  }, 
  "query": {
    "match_all": {}
  }
}

另外，字段还支持通配符匹配

stored_fields

stored_fields是那些在mapping中指定为stored的字段（默认false），不推荐使用。建议使用_source 过滤。

track_total_hits

计算有多少匹配文档，可以指定为true精确计算，也可以给定具体数值。具体查看官网

version

返回文档的版本

GET /_search
{
    "version": true,
    "query" : {
        "term" : { "user" : "kimchy" }
    }
}

Search Template

_search/template接口允许使用模板字符预渲染搜索请求：

GET /_search/template
{
    "source" : {
      "query": { "match" : { "{{my_field}}" : "{{my_value}}" } },
      "size" : "{{my_size}}"
    },
    "params" : {
        "my_field" : "message",
        "my_value" : "some message",
        "my_size" : 5
    }
}

或者：

GET _search/template
{
    "source": {
        "query": {
            "term": {
                "message": "{{query_string}}"
            }
        }
    },
    "params": {
        "query_string": "search for these words"
    }
}

JSON参数

toJson函数可以将字典或者数组转为为JSON表示，比如：

GET _search/template
{
    "source": "{ \"query\": { \"terms\": {{#toJson}}statuses{{/toJson}} }}",
    "params": {
        "statuses": [ "pending", "published" ]
    }
}

将被渲染为：

{
  "query": {
    "terms": {
      "status": [
        "pending",
        "published"
      ]
    }
  }
}

_msearch

_msearch，在一个API中执行多个查询请求。

其他：

• copy_to 可以将多个字段的内容合并到一个新字段，在查询中使用新字段查询。
• 精确值和全文本
  • 精确值不需要做分词的处理，就是ES中的keyword
    • 数字，日期，状态，具体字符串（比如"apple store"），没有必要作分词处理。
  • 全文本会分词，ES中的text