单个字段的 Elasticsearch 多个分析器

Question

我将不同类型的文档存储在具有严格预定义映射的单个索引中。它们都有一些字段（比如“body”），但我希望在索引时对它们进行稍微不同的分析（例如，对特定文档使用不同的标记过滤器）并在搜索时以相同的方式处理。据我所知，不能为每个文档指定分析器。

我也考虑过使用：

1. 对象字段具有针对文档类型的不同分析子字段，因此每个文档只有一个填充的子字段（例如，“body.mail”、“body.html”）。问题是我无法搜索整个“正文”字段，该字段将查看其所有子字段（以免破坏现有应用程序）。
2. 多字段的新转世（在“正文”字段中使用通用分析器并在其中自定义分析“邮件”、“html”等）。但是，我不确定是否可以在索引时直接使用它们，而在搜索时间接使用它们（例如，用{"mail":"smth"} 保存对象以使用特定的索引分析器，然后通过"query":{"body":"smth"} 搜索以使用通用搜索分析器）。
3. 要将“正文”分成具有不同映射的多个字段，请将它们从_all 中删除，并将copy_to 设置为单个body 字段。我不确定，但由于复制，它会增加大量索引开销。

Answer 1

正如我在 cmets 中提到的，您想要的都是不可能的。一句话，您的要求是：以多种方式分析相同的数据，但作为单个字段进行搜索，因为这会破坏现有的应用程序。

             -- body.html          
             -- body.email
body field ---- body.content     --- all searched as "body"
            ...
             -- body.destination
             -- body.whatever

• 您的第一个选项是 multi-fields，它具有这个确切目的：以多种方式分析相同的数据。问题是您无法搜索"body" 并期望ES 搜索body.html、body.email... 即使这可能，您也希望使用不同的分析器进行搜索。再次，不可能。此选项要求您更改应用程序并在multi_match 或query_string 中搜索每个字段。

• 您的第二个选项 - reincarnation of multi-fields - 将再次不起作用，因为 您不能在后台引用 body 和 ES，以匹配 mail、content 等.

• 第三个选项 - 使用 copy_to - 将不起作用，因为复制到另一个字段“X”意味着索引正在复制的数据将使用 X 的分析器进行分析，并且这打破了您对相同数据进行不同分析的要求。

• 可能还有第四个选项 - "path": "just_name" from multi_fields - 乍一看它应该可以工作。这意味着，您可以拥有 3 个多字段（电子邮件、内容、html），这三个字段都有一个 body 子字段。拥有"path": "just_name" 允许您仅搜索body，即使body 是多个其他字段的子字段。但这是不可能的，因为这种类型的多字段不会接受同一body的不同分析器。

无论哪种方式，您都需要更改您的要求中的某些内容，因为它们不会按照您想要的方式工作。

---

话虽如此，我很想知道您在应用程序中使用了哪些查询。从查询body 字段到在multi_match 中查询body.*，这将是一个简单的更改（是的，您需要更改您的应用）。

我还有另一种解决方案：创建多个索引，为body 的每个分析器创建一个索引。例如，对于 mail、content 和 html，您定义了三个索引：

PUT /multi_fields1
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "whitespace",
          "search_analyzer": "standard"
        }
      }
    }
  }
}
PUT /multi_fields2
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "standard",
          "search_analyzer": "standard"
        }
      }
    }
  }
}
PUT /multi_fields3
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "keyword",
          "search_analyzer": "standard"
        }
      }
    }
  }
}

您会看到它们都具有相同的 type 和相同的字段名称 - body - 但不同的 index_analyzers。然后定义一个别名：

POST _aliases
{
  "actions": [
    {"add": {
        "index": "multi_fields1",
        "alias": "multi"}},
    {"add": {
        "index": "multi_fields2",
        "alias": "multi"}},
    {"add": {
        "index": "multi_fields3",
        "alias": "multi"}}
  ]
}

将别名命名为与当前索引相同。应用程序不需要更改，它将使用相同的名称进行索引搜索，但此名称不会指向索引，而是指向别名，该别名又引用您的多个索引。需要改变的是你如何索引文档，因为html 文档需要进入multi_fields1 索引，email 文档需要在multi_fields2 索引中索引等等。

无论您找到/选择什么解决方案，您的需求都需要改变，因为您想要的方式是不可能的。

Answer 2

我认为您可以使用多字段。使用多字段，您可以为每个子字段定义分析器（索引和搜索），并根据应用程序需求对相应字段进行搜索。 一般情况下，索引分析器可能因字段而异，搜索分析器也是如此。

{ “你的类型”：{ “特性”：{ “身体” ： { “类型”：“字符串”， “索引”：“已分析”， “index_analyzer”：“index_body_analyzer”， "search_analyzer" : "search_body_analyzer", “字段”：{ “邮件” ： { “类型”：“字符串”， “索引”：“已分析”， “index_analyzer”：“index_bodymail_analyzer”， “search_analyzer”：“search_bodymail_analyzer” }, “html”：{ “类型”：“字符串”， “索引”：“已分析”， “index_analyzer”：“index_bodyhtml_analyzer”， “search_analyzer”：“search_bodyhtml_analyzer” } } } } }