在 Elasticsearch 索引中存储 MD5 哈希的正确方法

Question

我正在使用 Elasticsearch 创建自定义搜索 API。我需要将 MD5 哈希值存储在其中一个索引中。我还需要该字段可搜索。我应该如何索引/分析该字段以使搜索足够高效？ 我需要查询足够快地工作以支持自动完成。

到目前为止，我只将该字段映射为文本。 我正在使用“match_phrase_prefix”查询，它现在运行良好。但是，我担心随着越来越多的文档被索引，性能是否会下降。 我还想使用“完成”建议映射，但这限制了我们过滤任何其他字段。因此，它不会起作用。 我还计划使用具有低 min_gram 和高 max_gram 值的“edge_ngram”分析器。注意到索引大小随着该映射迅速增加。

Answer 1

由于 MD5 哈希由单个令牌组成，因此您无需使用 match_phrase_prefix 而只需使用 prefix。试试看。

还请注意，您绝对可以通过使用 context suggester 而不是完成建议器来使用完成和过滤。但是，当然，您只能提供类别上下文或地理上下文，不能提供日期范围或其他更先进的过滤器/上下文。

如果您一直在搜索精确的 MD5，我会使用 keyword 类型。 但是，如果您正在搜索 MD5 前缀（在某些情况下还有一些过滤器），那么使用适当的 edge-ngram 分析器的text 会更好地工作，即使您的索引大小会增加。

在不了解您的用例的情况下，这几乎是所有可以说的。