ElasticSearch - 为查询返回一个方面的完整值答案

【问题标题】：ElasticSearch - return the complete value of a facet for a queryElasticSearch - 为查询返回一个方面的完整值
【发布时间】：2014-01-27 15:34:09
【问题描述】：

我最近开始使用 ElasticSearch。我尝试完成一些用例。我对其中一个有疑问。

我已经用他们的全名（例如“Jean-Paul Gautier”、“Jean De La Fontaine”）索引了一些用户。

我尝试获取所有响应某个查询的全名。

例如，我想要以“J”开头的 100 个最常见的全名

{
  "query": {
    "query_string" : { "query": "full_name:J*" } }
  },
  "facets":{
    "name":{
      "terms":{
        "field": "full_name",
        "size":100
      }
    }
  }
}

我得到的结果是全名的所有单词：“Jean”、“Paul”、“Gautier”、“De”、“La”、“Fontaine”。

如何获得“Jean-Paul Gautier”和“Jean De La Fontaine”（所有全名值都由“J”求出）？ “post_filter”选项没有这样做，它只限制了上面的子集。

我必须配置“如何工作”这个全名方面
我必须在当前查询中添加一些选项
我必须做一些“映射”（目前非常模糊）

谢谢

【问题讨论】：

标签： lucene elasticsearch

【解决方案1】：

您只需在该字段上设置"index": "not_analyzed"，您就可以在您的构面中取回完整的、未修改的字段值。

通常，最好有一个不分析的字段版本（用于分面）和另一个版本（用于搜索）。 "multi_field" 字段类型对此很有用。

所以在这种情况下，我可以定义如下映射：

curl -XPUT "http://localhost:9200/test_index/" -d'
{
   "mappings": {
      "people": {
         "properties": {
            "full_name": {
               "type": "multi_field",
               "fields": {
                  "untouched": {
                     "type": "string",
                     "index": "not_analyzed"
                  },
                  "full_name": {
                     "type": "string"
                  }
               }
            }
         }
      }
   }
}'

这里我们有两个子字段。与父级同名的将是默认值，因此如果您搜索"full_name" 字段，Elasticsearch 将实际使用"full_name.full_name"。 "full_name.untouched" 会给你你想要的方面结果。

所以接下来我添加两个文档：

curl -XPUT "http://localhost:9200/test_index/people/1" -d'
{
   "full_name": "Jean-Paul Gautier"
}'

curl -XPUT "http://localhost:9200/test_index/people/2" -d'
{
   "full_name": "Jean De La Fontaine"
}'

然后我可以对每个字段进行分面以查看返回的内容：

curl -XPOST "http://localhost:9200/test_index/_search" -d'
{
   "size": 0,
   "facets": {
      "name_terms": {
         "terms": {
            "field": "full_name"
         }
      },
      "name_untouched": {
         "terms": {
            "field": "full_name.untouched",
            "size": 100
         }
      }
   }
}'

我得到以下信息：

{
   "took": 1,
   "timed_out": false,
   "_shards": {
      "total": 1,
      "successful": 1,
      "failed": 0
   },
   "hits": {
      "total": 2,
      "max_score": 0,
      "hits": []
   },
   "facets": {
      "name_terms": {
         "_type": "terms",
         "missing": 0,
         "total": 7,
         "other": 0,
         "terms": [
            {
               "term": "jean",
               "count": 2
            },
            {
               "term": "paul",
               "count": 1
            },
            {
               "term": "la",
               "count": 1
            },
            {
               "term": "gautier",
               "count": 1
            },
            {
               "term": "fontaine",
               "count": 1
            },
            {
               "term": "de",
               "count": 1
            }
         ]
      },
      "name_untouched": {
         "_type": "terms",
         "missing": 0,
         "total": 2,
         "other": 0,
         "terms": [
            {
               "term": "Jean-Paul Gautier",
               "count": 1
            },
            {
               "term": "Jean De La Fontaine",
               "count": 1
            }
         ]
      }
   }
}

如您所见，已分析字段返回单个单词、小写标记（当您未指定分析器时，使用standard analyzer），未分析子字段返回未修改的原始标记文本。

这是一个您可以使用的可运行示例： http://sense.qbox.io/gist/7abc063e2611846011dd874648fd1b77450b19a5

【讨论】：

在更新当前映射遇到一些困难后，我成功了！感谢您的宝贵帮助。

【解决方案2】：

尝试更改“full_name”的映射：

"properties": {
  "full_name": {
     "type": "string",
     "index": "not_analyzed"
  }
  ...
}

not_analyzed 表示将保持原样，包括大写字母、空格、破折号等，以便“Jean De La Fontaine”保持可查找性并且不会被标记为“Jean”“De”“La”“Fontaine”

你可以experiment with different analyzers using the api

注意标准对多部分名称的作用：

GET /_analyze?analyzer=standard
{'Jean Claude Van Dame'}


{
   "tokens": [
      {
         "token": "jean",
         "start_offset": 2,
         "end_offset": 6,
         "type": "<ALPHANUM>",
         "position": 1
      },
      {
         "token": "claude",
         "start_offset": 7,
         "end_offset": 13,
         "type": "<ALPHANUM>",
         "position": 2
      },
      {
         "token": "van",
         "start_offset": 14,
         "end_offset": 17,
         "type": "<ALPHANUM>",
         "position": 3
      },
      {
         "token": "dame",
         "start_offset": 18,
         "end_offset": 22,
         "type": "<ALPHANUM>",
         "position": 4
      }
   ]
}

【讨论】：

感谢“分析器”的链接，这很有用！