ElasticSearch 仅检索与单个文档中的术语匹配的列表元素答案

【问题标题】：ElasticSearch retrieve only list elements that match a term within single documentElasticSearch 仅检索与单个文档中的术语匹配的列表元素
【发布时间】：2020-07-05 12:53:25
【问题描述】：

鉴于此文档结构。

{
   "title":"Lord of the rings",
   "id":"123abc",
   "pages":[
      {
         "pageNumber":1,
         "content":"Lorem ipsum lorem ipsum lorem ipsum"
      },
      {
         "pageNumber":2,
         "content":"dolor sit dolor sit dolor sit"
      }
   ]
}

还有这个查询

{
   "query":{
      "match":{
         "pages.content":"lorem"
      }
   }
}

有没有办法弹性可以给我这样的结果：

{
   "title":"Lord of the rings",
   "id":"123abc",
   "pages":[
      {
         "pageNumber":1,
         "content":"Lorem ipsum lorem ipsum lorem ipsum"
      }
   ]
}

所以如果我有数百页，我只会得到与我的术语相匹配的那些？

虽然我想为页面创建索引，但是如何从文档中获取所有元数据？可以说，是否应该将此元数据复制到同一“书”的所有页面文档中？就性能而言，最佳方法是什么？

【问题讨论】：

标签： elasticsearch elasticsearch-query term-query

【解决方案1】：

是的，共享一些通用元数据的文档在 NoSQL 数据存储中是很正常的（而且经常是必要的）。至于另一种方法，您可以使用highlighting 甚至一些painless scripting，但我会推荐以下内容：

POST pages/_doc
{
  "book": {
    "title": "Lord of the rings",
    "id": "123abc",
    "metadata": {
      "num_of_pages": 300
    }
  },
  "page": {
    "pageNumber": 1,
    "content": "Lorem ipsum lorem ipsum lorem ipsum"
  }
}

POST pages/_doc
{
  "book": {
    "title": "Lord of the rings",
    "id": "123abc",
    "metadata": {
      "num_of_pages": 300
    }
  },
  "page": {
    "pageNumber": 2,
    "content": "dolor sit dolor sit dolor sit"
  }
}

然后

GET pages/_search
{
  "query": {
    "match": {
      "page.content": "lorem"
    }
  }
}

这要简单得多，并且可以很好地扩展。

【讨论】：

这也让我想到一个问题。弹性搜索创建匹配查询分数的方式（tf+idf）。考虑下一种情况 Book A = 100 pages Book B = 100 pages 搜索查询：“lorem” Book A 有一个页面，其中该术语出现 10 次。所以99页没有学期，1页10次这个学期。书 B 有大约 20 页，其中该术语在单页中最多出现 6 次。 Elastic 会给我书 A 的页面作为最高分，但书 B 将更适合搜索，因为它总体上具有更高的频率。如何管理？
我想它会，但你对页面而不是书籍感兴趣，不是吗？我就是这样理解你的询问的。或者您是否在整本书中寻找词频？这是一个完全不同的用例。
可以说我有两个用例，有时我需要知道什么书，然后有时我需要知道一本书的哪一页。