使用 elasticsearch-persistence ruby 的映射器附件类型的自定义映射答案

【问题标题】：custom mapping for mapper attachment type with elasticsearch-persistence ruby使用 elasticsearch-persistence ruby 的映射器附件类型的自定义映射
【发布时间】：2016-03-30 19:53:13
【问题描述】：

在我的项目中，我使用 mapper-attachments 插件将数据存储在活动记录模型中并在弹性搜索中索引 html 文档。我的文档映射如下所示：

include Elasticsearch::Model

settings index: { number_of_shards: 5 } do
  mappings do
    indexes :alerted
    indexes :title, analyzer: 'english', index_options: 'offsets'
    indexes :summary, analyzer: 'english', index_options: 'offsets'
    indexes :content, type: 'attachment', fields: { 
                                                    author: { index: "no"},
                                                    date: { index: "no"},
                                                    content: { store: "yes",
                                                               type: "string",
                                                               term_vector: "with_positions_offsets"
                                                            }
                                                  }
  end
end

我运行查询以仔细检查我的文档映射和结果：

    "mappings": {
          "feed_entry": {
              "properties": {
                  "content": {
                      "type": "attachment",
                      "path": "full",
                      "fields": {
                          "content": {
                              "type": "string",
                              "store": true,
                              "term_vector": "with_positions_offsets"
                          },

效果很好（上面的 type: 'attachment'）。我可以完美地通过 html doc 进行搜索。

我在使用 mysql 的 activerecord 时遇到性能问题，我真的不需要将它存储在数据库中，所以我决定迁移到存储在 elasticsearch 中。

我正在用elasticsearch-persistence gem 做一个实验。

我将映射配置如下：

include Elasticsearch::Persistence::Model
attribute :alert_id, Integer
attribute :title, String, mapping: { analyzer: 'english' }
attribute :url, String, mapping: { analyzer: 'english' }
attribute :summary, String, mapping: { analyzer: 'english' }
attribute :alerted, Boolean, default: false, mapping: { analyzer: 'english' }
attribute :fingerprint, String, mapping: { analyzer: 'english' }
attribute :feed_id, Integer
attribute :keywords

attribute :content, nil, mapping: { type: 'attachment', fields: { 
                                                      author: { index: "no"},
                                                      date: { index: "no"},
                                                      content: { store: "yes",
                                                                 type: "string",
                                                                 term_vector: "with_positions_offsets"
                                                              }
                                                    }

但是当我对映射进行查询时，我得到了这样的结果：

"mappings": {
        "entry": {
            "properties": {
                "content": {
                    "properties": {
                        "_content": {
                            "type": "string"
                        },
                        "_content_type": {
                            "type": "string"
                        },
                        "_detect_language": {
                            "type": "boolean"
                        },

这是错误的。谁能告诉我如何使用 attachment 类型进行映射？

非常感谢您的帮助。

【问题讨论】：

嗨，对不起，我在这个阶段没有帮助（并且远离工作环境。atm）；您是否尝试过联系 gem 维护者（可能是附件）？（我允许自己在您的问题中添加链接）。我也对解决方案感兴趣；）
@gfd 甚至不是解决方案，但这是个好主意。真的很感激。

标签： elasticsearch-rails elasticsearch-model elasticsearch-ruby

【解决方案1】：

与此同时，我必须以这种方式对其进行硬编码：

  def self.recreate_index!
    mappings = {}
    mappings[FeedEntry::ELASTIC_TYPE_NAME]= {

                "properties": {
                  "alerted": {
                    "type": "boolean"
                  },
                  "title": {
                    #for exact match
                    "index": "not_analyzed",
                    "type": "string"
                  },
                  "url": {
                    "index": "not_analyzed",
                    "type": "string"
                  },                      
                  "summary": {
                    "analyzer": "english",
                    "index_options": "offsets",
                    "type": "string"
                  },
                  "content": {
                    "type": "attachment",
                    "fields": {
                      "author": {
                        "index": "no"
                      },
                      "date": {
                        "index": "no"
                      },
                      "content": {
                        "store": "yes",
                        "type": "string",
                        "term_vector": "with_positions_offsets"
                      }
                    }
                  }
                }
          }
    options = {
      index: FeedEntry::ELASTIC_INDEX_NAME,
    }
    self.gateway.client.indices.delete(options) rescue nil
    self.gateway.client.indices.create(options.merge( body: { mappings: mappings}))   
  end

然后重写to_hash方法

  def to_hash(options={})
    hash = self.as_json
    map_attachment(hash) if !self.alerted
    hash
  end

  # encode the content to Base64 formatj
  def map_attachment(hash)
    hash["content"] = {
      "_detect_language": false,
      "_language": "en",
      "_indexed_chars": -1 ,
      "_content_type": "text/html",
      "_content": Base64.encode64(self.content)
    }
    hash
  end

那我得打电话了

FeedEntry.recreate_index!

为弹性搜索创建映射之前。更新文档时要小心，您可能会得到 content 字段的双 base64 编码。在我的场景中，我检查了 alerted 字段。

【讨论】：