2. Search in Depth

In Getting Started we covered the basic tools in just enough detail to allow you to start searching your data with Elasticsearch. It won’t take long, though, before you find that you want more: more flexibility when matching user queries, more-accurate ranking of results, more-specific searches to cover different problem domains.

Getting Started에서 Elasticsearch로 데이터 검색을 시작할 수 있는, 충분히 자세한 기본적인 tool을 알아보았다. 사용자의 query에 일치하는 경우, 보다 많은 유연성, 결과에 대한 더 정확한 순위, 다른 문제 영역을 다루기 위한, 보다 구체적인 검색 등을 알 수 있었다.

To move to the next level, it is not enough to just use the match query. You need to understand your data and how you want to be able to search it. The chapters in this part explain how to index and query your data to allow you to take advantage of word proximity, partial matching, fuzzy matching, and language awareness.

다음 단계로 가기 위해서는, match query를 사용하는 것만으로 충분하지 않다. 데이터와 그것을 검색하는 방법을 이해해야 한다. 이 Part에서는 색인 하는 방법, 단어의 근접(proximity), 부분 일치, fuzzy matching, 언어 인식 등을 이용한, 데이터의 query 방법에 대해 설명할 것이다.

Understanding how each query contributes to the relevance _score will help you to tune your queries: to ensure that the documents you consider to be the best results appear on the first page, and to trim the "long tail" of barely relevant results.

각 query가 relevance _score 에 기여하는 방법을 이해하면, query를 조정(가장 좋은 결과라고 생각되는 document가 첫 번째 page에 나타나도록 하는 것, 결과에 거의 관련 없는 "불필요한 것" 을 버리는 것)하는데 도움이 될 것이다.

Search is not just about full-text search: a large portion of your data will be structured values like dates and numbers. We will start by explaining how to combine structured search with full-text search in the most efficient way.

검색은 full-text 검색이 전부가 아니다. 데이터의 대부분은 date나 number 같은 구조적인 값이다. 가장 효과적인 방법으로, 구조적인 검색과 full-text 검색을 조합하는 방법을 설명할 것이다.