过滤文档以匹配嵌套弹性搜索字段中的两个字段中的任何一个答案

【问题标题】：Filter document to match either of the two fields in nested elasticsearch field过滤文档以匹配嵌套弹性搜索字段中的两个字段中的任何一个
【发布时间】：2019-03-10 23:21:56
【问题描述】：

我在 elasticsearch 的文档中有一个名为 tags 的字段，结构如下。

tags = [
    {
        "id": 10,
        "related": [9, 8, 7]
    }
]

我现在运行一个带有列表的过滤器。例如[10, 9]。我只想过滤那些包含 id 或相关列表中所有项目的文档。如果我用[9, 8]搜索，应该会返回上面的文档。如果我使用[9, 12] 搜索，则不应返回上述文档，因为 id 或相关中都不存在 12。

我尝试使用术语过滤器，但它只是做或。有没有什么技术可以实现上述目标。

此外，与包含related 中给定项目的文档相比，我想为在 id 中包含给定项目的文档提供更高的排名。

【问题讨论】：

tag 是嵌套字段吗？
你能分享你的索引映射吗？
嗨@Sudip，你检查我的答案了吗？有帮助吗？

标签： elasticsearch elasticsearch-dsl elasticsearch-dsl-py

【解决方案1】：

问题分析

让我们在以下子问题中解决您的问题：

(P1) 检查数组中提供的所有术语是否存在于tags.id 或tags.related 中。这可以进一步分解为：
- (P1.1) 检查是否所有数组中提供的术语都存在于字段中
- (P1.2) 检查是否所有数组中提供的术语分布在不同的字段中
(P2) 为具有tags.id 提供的任何术语的文档分配更高的分数

解决方案

要解决 (P1.1)，您可以使用 Elasticsearch v6.6 中提供的 terms_set 查询（请参阅 documentation）。

为了解决(P1.2)，我会将tags.id 和tags.related 的所有值复制到一个新的自定义字段中，例如tags.all。这可以使用copy_to 属性来实现，如下所示：

{
  "mappings": {
    "_doc": {
      "properties": {
        "tags": {
          "properties": {
            "id": { 
              "type": "long",
              "copy_to": "tags.all"
            },
            "related": { 
              "type": "long",
              "copy_to": "tags.all"
            }
          }
        }
      }
    }
  }
}

然后，要解决 (P1)，您可以针对 tags.all 运行 terms_set 查询。例如，

{
  "query": {
    "terms_set": {
      "tags.all": {
        "terms": [ 9, 8 ],
        "minimum_should_match_script": {
          "source": "2"
        }
      }
    }
  }
}

最后，要解决 (P2)，您可以创建一个布尔型 should 查询，包括 (i) 上述 terms_set 查询，(ii) 针对 @ 的 terms 查询仅 987654337@，具有更高的升压因子。即，

{
  "query": {
    "bool": {
      "should": [
        {
          "terms_set": {
            "tags.all": {
              "terms": [ 9, 8 ],
              "minimum_should_match_script": {
                "source": "2"
              }
            }
          }
        },
        {
          "terms": {
            "tags.id": {
              "value": [ 9, 8 ],
              "boost": 2
            }
          }
        }
      ]
    }
  }
}

【讨论】：