使用 NEST ElasticSearch 客户端获取不同的值

Question

我正在使用 NEST 客户端在我的 .NET 应用程序中使用 Elastic Search 构建产品搜索引擎，但我遇到了一件麻烦事。获得一组不同的值。

我正在搜索有数千种产品的产品，但当然我一次只能向用户返回 10 或 20 个。对于这个分页工作正常。但除了这个主要结果之外，我还想向我的用户展示在完整搜索中找到的品牌列表，以提供这些以供过滤。

我已经读到我应该为此使用术语聚合。但是，我没有比这更好的了。这仍然不能真正给我我想要的东西，因为它将像“20th Century Fox”这样的值分成3个单独的值。

    var brandResults = client.Search<Product>(s => s
         .Query(query)
         .Aggregations(a => a.Terms("my_terms_agg", t => t.Field(p => p.BrandName).Size(250))
         )
     );

    var agg = brandResult.Aggs.Terms("my_terms_agg");

这甚至是正确的方法吗？还是应该使用完全不同的东西？而且，我怎样才能获得正确、完整的值？ （不按空格分割..但我想这就是您要求“术语”列表时得到的结果？？）

我正在寻找的是如果你在 MS SQL 中这样做会得到什么

SELECT DISTINCT BrandName FROM [Table To Search] WHERE [Where clause without paging]

Answer 1

你是正确的，你想要的是一个术语聚合。您遇到的问题是 ES 在返回的结果中拆分了“BrandName”字段。这是 ES 中字段的预期默认行为。

我建议您将 BrandName 更改为“多字段”，这将允许您搜索所有不同的部分，以及对“未分析”（又名完整的“20 世纪福克斯”）进行术语聚合) 术语。

这是来自 ES 的文档。

https://www.elasticsearch.org/guide/en/elasticsearch/reference/0.90/mapping-multi-field-type.html

[更新] 如果您使用的是 ES 版本 1.4 或更高版本，那么现在多字段的语法会有所不同。

https://www.elasticsearch.org/guide/en/elasticsearch/reference/current/_multi_fields.html#_multi_fields

这是一个完整的工作示例，说明了 ES 1.4.4 中的要点。请注意，映射指定了字段的“not_analyzed”版本。

PUT hilden1

PUT hilden1/type1/_mapping
{
  "properties": {
    "brandName": {
      "type": "string",
      "fields": {
        "raw": {
          "type": "string",
          "index": "not_analyzed"
        }
      }
    }
  }
}

POST hilden1/type1
{
  "brandName": "foo"
}

POST hilden1/type1
{
  "brandName": "bar"
}

POST hilden1/type1
{
  "brandName": "20th Century Fox"
}

POST hilden1/type1
{
  "brandName": "20th Century Fox"
}

POST hilden1/type1
{
  "brandName": "foo bar"
}

GET hilden1/type1/_search
{
  "size": 0, 
  "aggs": {
    "analyzed_field": {
      "terms": {
        "field": "brandName",
        "size": 10
      }
    },
    "non_analyzed_field": {
      "terms": {
        "field": "brandName.raw",
        "size": 10
      }
    }    
  }
}

上次查询的结果：

{
   "took": 3,
   "timed_out": false,
   "_shards": {
      "total": 5,
      "successful": 5,
      "failed": 0
   },
   "hits": {
      "total": 5,
      "max_score": 0,
      "hits": []
   },
   "aggregations": {
      "non_analyzed_field": {
         "doc_count_error_upper_bound": 0,
         "sum_other_doc_count": 0,
         "buckets": [
            {
               "key": "20th Century Fox",
               "doc_count": 2
            },
            {
               "key": "bar",
               "doc_count": 1
            },
            {
               "key": "foo",
               "doc_count": 1
            },
            {
               "key": "foo bar",
               "doc_count": 1
            }
         ]
      },
      "analyzed_field": {
         "doc_count_error_upper_bound": 0,
         "sum_other_doc_count": 0,
         "buckets": [
            {
               "key": "20th",
               "doc_count": 2
            },
            {
               "key": "bar",
               "doc_count": 2
            },
            {
               "key": "century",
               "doc_count": 2
            },
            {
               "key": "foo",
               "doc_count": 2
            },
            {
               "key": "fox",
               "doc_count": 2
            }
         ]
      }
   }
}

请注意，未分析的字段将“20th Century fox”和“foo bar”放在一起，而分析的字段会将它们分解。

Answer 2

我遇到了类似的问题。我正在显示搜索结果，并希望显示类别和子类别的计数。

使用聚合是对的。我还遇到了字符串被标记化的问题（即 20 世纪的狐狸被拆分）——这是因为对字段进行了分析。对我来说，我添加了以下映射（即告诉 ES 不要分析该字段）：

  "category": {
          "type": "nested",
          "properties": {
            "CategoryNameAndSlug": {
              "type": "string",
              "index": "not_analyzed"
            },
            "SubCategoryNameAndSlug": {
              "type": "string",
              "index": "not_analyzed"
            }
          }
        }

正如 jhilden 所建议的，如果您出于多个原因（例如搜索和聚合）使用此字段，则可以将其设置为多字段。所以一方面它可以被分析并用于搜索，另一方面不被分析用于聚合。