es中的查询请求有两种方式，一种是简易版的查询，另外一种是使用JSON完整的请求体，叫做结构化查询（DSL）。
由于DSL查询更为直观也更为简易，所以大都使用这种方式。
DSL查询是POST过去一个json，由于post的请求是json格式的，所以存在很多灵活性，也有很多形式。
这里有一个地方注意的是官方文档里面给的例子的json结构只是一部分，并不是可以直接黏贴复制进去使用的。一般要在外面加个query为key的机构。

match

最简单的一个match例子：

查询和"哺乳期长湿疹怎么办"这个查询语句匹配的文档。

{
  "query": {
    "match": {
        "content" : {
            "query" : "哺乳期长湿疹怎么办"
        }
    }
  }
}

上面的查询匹配就会进行分词，比如"哺乳期长湿疹怎么办"会被分词为"哺乳期、哺乳、乳期、期长、湿疹、怎么办、怎么、办", 所有包含这些分词中的一个或多个的文档就会被搜索出来。
并且根据lucene的评分机制(TF/IDF)来进行评分。

match_phrase

比如上面一个例子，一个文档"哺乳期长湿疹怎么办"也会被搜索出来，那么想要精确匹配所有同时包含这些分词的文档怎么做？就要使用 match_phrase 了

{
  "query": {
    "match_phrase": {
        "content" : {
            "query" : "哺乳期长湿疹怎么办"
        }
    }
  }
}

完全匹配可能比较严，我们会希望有个可调节因子，少匹配一个也满足，那就需要使用到slop。

{
  "query": {
    "match_phrase": {
        "content" : {
            "query" : "哺乳期长湿疹怎么办",
            "slop" : 1
        }
    }
  }
}

multi_match

如果我们希望两个字段进行匹配，其中一个字段有这个文档就满足的话，使用multi_match

{
  "query": {
    "multi_match": {
        "query" : "哺乳期长湿疹怎么办",
        "fields" : ["title", "introduction"]
    }
  }
}

但是multi_match就涉及到匹配评分的问题了。

我们希望完全匹配的文档占的评分比较高，则需要使用best_fields

{
  "query": {
    "multi_match": {
      "query": "哺乳期长湿疹怎么办",
      "type": "best_fields",
      "fields": [
        "tag",
        "introduction"
      ],
      "tie_breaker": 0.3
    }
  }
}

意思就是完全匹配"宝马 发动机"的文档评分会比较靠前，如果只匹配宝马的文档评分乘以0.3的系数

我们希望越多字段匹配的文档评分越高，就要使用most_fields

{
  "query": {
    "multi_match": {
      "query": "哺乳期长湿疹怎么办",
      "type": "most_fields",
      "fields": [
        "tag",
        "introduction"
      ]
    }
  }
}

我们会希望这个词条的分词词汇是分配到不同字段中的，那么就使用cross_fields

{
  "query": {
    "multi_match": {
      "query": "哺乳期长湿疹怎么办",
      "type": "cross_fields",
      "fields": [
        "tag",
        "introduction"
      ]
    }
  }
}