Elasticsearch 中 match 查询和 term 查询有什么区别？

简化版

match 是全文查询，会先对查询文本做 analyzer 分析，再用 token 去倒排索引里查；term 是精确词项查询，不分析输入，直接拿给定值匹配倒排里的 term。text 字段常用 match，keyword 字段常用 term。

详细版

如果 title 是 text 字段，索引时 "Quick Fox" 可能被分成 quick 和 fox。这时：

{ "match": { "title": "Quick Fox" } }

会把查询也分析成 token 再查。而：

{ "term": { "title": "Quick Fox" } }

通常查不到，因为倒排里可能没有完整的 Quick Fox 这个 term。面试回答要抓住：match 面向全文检索，term 面向精确匹配；是否分析输入是核心区别。

完整版教学

一、match 和 term 的根本差别是是否分析查询文本

Elasticsearch 的倒排索引存的是 term，不一定是原文。match 查询会走字段的搜索 analyzer，把用户输入拆成 token；term 查询不会分析输入，它认为你已经给出了精确 term。

match: "Quick Fox" -> analyzer -> ["quick", "fox"] -> search
term : "Quick Fox" -> no analyzer -> search exact term "Quick Fox"

记忆钩子：match 先分词再查，term 拿原值直接查。

二、text 字段为什么常用 match

text 字段用于全文检索，索引时会被 analyzer 处理。

假设字段值是：

{ "title": "The Quick Fox" }

standard analyzer 可能产生：

["the", "quick", "fox"]

查询 Quick Fox 时，如果用 match，查询侧也会被分析成 quick、fox，因此能命中。如果用 term 查 "Quick Fox"，倒排里没有这个完整 term，就很可能查不到。

这就是很多新手“明明有数据却 term 查不到”的原因。

三、keyword 字段为什么常用 term

keyword 字段通常不分词，整个值作为一个 term，适合 ID、状态、标签、邮箱、枚举、精确过滤。

{
  "status": "PAID",
  "email": "alice@example.com"
}

对应查询：

{
  "term": {
    "status": "PAID"
  }
}

如果字段有 .keyword 子字段，也常用：

{ "term": { "title.keyword": "The Quick Fox" } }

这表示按完整标题精确匹配，而不是全文召回。

四、大小写和 normalizer 是常见坑

term 不分析输入，所以大小写必须和索引 term 一致。status 存成 Paid，你用 PAID 查可能查不到。

keyword 字段如果想做大小写归一，可以配置 normalizer。

{
  "settings": {
    "analysis": {
      "normalizer": {
        "lowercase_norm": {
          "type": "custom",
          "filter": ["lowercase"]
        }
      }
    }
  }
}

normalizer 可以理解为 keyword 字段上的轻量分析，通常不切词，只做规范化。

五、match 不是只能查 text，term 也不是只能查 keyword

这是面试里容易被追问的细节。技术上 match 可以用于 keyword 字段，term 也可以用于 text 字段，但语义和效果要看字段最终索引的 term。

字段类型	常用查询	原因
`text`	`match`	查询文本需要分析
`keyword`	`term`	精确值不需要切词
数字/日期	`term/range`	结构化条件
`text.keyword`	`term`	完整字符串精确匹配

所以正确说法不是“禁止混用”，而是“按字段的索引方式选择查询”。

六、怎么排查 match/term 查询异常

排查步骤可以很固定：

1. 看 mapping：字段是 text 还是 keyword
2. 用 _analyze：确认 text 字段索引和搜索 token
3. 看 DSL：match/term 是否符合字段语义
4. 看大小写：keyword 是否需要 normalizer
5. 看 .keyword：是否应该查多字段

如果用户投诉精确标题查不到，可能应该查 title.keyword。如果用户投诉关键词搜不到，可能 analyzer 或同义词词典有问题。

七、常见误区与追问

误区：term 查询更快，所以全文搜索也都用 term。 term 不分析输入，用在 text 字段上经常查不到预期结果。
误区：match 查询就是模糊查询。 match 是全文查询，会分析文本，不等于 wildcard 或 fuzzy。
误区：keyword 字段不能用 match。 可以用，但通常没有必要，精确匹配更常用 term。
追问：为什么 term 查 text 字段查不到？ text 字段索引的是分词后的 term，不一定有原始完整字符串。
追问：.keyword 子字段有什么用？ 同一文本既可全文搜索，也可完整值过滤、排序和聚合。
追问：大小写不一致怎么处理？ text 可通过 analyzer，keyword 可配置 normalizer 或写入前统一。

八、加强记忆

match 和 term 记成“全文先分析，精确直接查”。text 字段索引时会被分词，所以查询侧通常用 match；keyword 字段保留整体值，过滤、排序、聚合常用 term。遇到查不到，先看 mapping 和 _analyze，再判断是不是应该查 .keyword，别把 DSL 当成脱离字段类型的孤立语法。

简化版

详细版