ElasticSearch fuzzy模糊查询（英文检索）
1. 引言
本文旨在系统性地介绍 Elasticsearch 中 fuzzy（模糊）查询的实现原理、核心参数、使用场景以及最佳实践。通过详细的代码示例和常见问题解答，帮助开发者理解并掌握这一强大的近似匹配工具，以应对实际业务中因拼写错误、输入偏差或数据不一致导致的搜索难题。
2. 核心概念
2.1 什么是 Fuzzy Query？
Fuzzy Query 是 Elasticsearch 提供的一种基于编辑距离（Levenshtein Distance）的近似匹配查询。它允许查询词项与索引中的词项存在一定程度的拼写差异（如字符增、删、改、换位），从而提升搜索的召回率。
2.2 核心参数详解
- value：要查询的关键字。
- boost：查询的权重，用于影响相关性评分，默认值为 1.0。
- min_similarity：设置匹配的最小相似度。对于字符串类型，取值范围为 0 到 1（包含），默认值为 0.5。对于数值和日期类型，取值逻辑不同（例如日期可使用 “1d” 表示一天）。
- prefix_length：指明区分词项的共同前缀长度，默认是 0。设置此参数可以跳过前缀匹配，优化性能。
- max_expansions：查询中词项可以扩展的数目，默认可以无限大。用于控制模糊匹配时生成的候选词项数量，防止性能开销过大。