Elasticsearch混合搜索问题解决方法

下载万磁搜索绿色版

编程并不是一个机械性的工作，而是需要有思考，有创新的工作，语法是固定的，但解决问题的思路则是依靠人的思维，这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《Elasticsearch 字母数字混合搜索问题解决方法》，文章讲解的知识点主要包括，如果你对文章方面的知识点感兴趣，就不要错过golang学习网，在这可以对大家的知识积累有所帮助，助力开发能力的提升。

本文将详细介绍 Elasticsearch 中字母数字混合字符串搜索失效的常见原因以及相应的解决方案。正如摘要所说，问题的根源往往在于索引时使用了会移除数字的分析器。

问题分析

在 Elasticsearch 中，分析器（Analyzer）负责将文本分解成一个个的词元（Token）。不同的分析器采用不同的规则，有些分析器会移除标点符号、停止词，甚至数字。当你在索引时使用了会移除数字的分析器，例如 simple 分析器，那么包含数字的字符串在索引中将不会被正确存储，导致无法通过数字进行搜索。

解决方案

要解决这个问题，你需要选择一个能够保留数字的 Tokenizer。以下是两种常见的解决方案：

1. 使用 standard 分析器：

   standard 分析器是 Elasticsearch 默认的分析器，它能够处理字母和数字，适用于大多数场景。如果你的 default 字段没有特别的需求，可以直接使用 standard 分析器。

   "default" : {
     "type" : "text",
     "analyzer" : "standard",
     "search_analyzer" : "standard"
   }

   修改 mapping 之后，需要重新索引数据才能生效。

2. 使用 edge-ngram Tokenizer：

   edge-ngram Tokenizer 适用于前缀搜索的场景。它会将字符串分解成从开头开始的 N-gram 词元。例如，对于字符串 "AA111"，使用 edge-ngram Tokenizer (min_gram=1, max_gram=5) 会生成以下词元： "A", "AA", "AA1", "AA11", "AA111"。

   要使用 edge-ngram Tokenizer，你需要首先创建一个自定义分析器：

   {
     "settings": {
       "analysis": {
         "analyzer": {
           "my_edge_ngram_analyzer": {
             "type": "custom",
             "tokenizer": "my_edge_ngram_tokenizer"
           }
         },
         "tokenizer": {
           "my_edge_ngram_tokenizer": {
             "type": "edge_ngram",
             "min_gram": 1,
             "max_gram": 10
           }
         }
       }
     },
     "mappings": {
       "properties": {
         "default": {
           "type": "text",
           "analyzer": "my_edge_ngram_analyzer",
           "search_analyzer": "standard"
         }
       }
     }
   }

   在这个例子中，我们定义了一个名为 my_edge_ngram_analyzer 的自定义分析器，它使用 my_edge_ngram_tokenizer 作为 Tokenizer。min_gram 和 max_gram 分别指定了 N-gram 的最小和最大长度。search_analyzer 指定了搜索时使用的分析器，通常设置为 standard。

   然后，将 default 字段的 analyzer 设置为 my_edge_ngram_analyzer。同样，修改 mapping 之后，需要重新索引数据才能生效。

示例代码

以下是一个完整的示例，展示了如何使用 edge-ngram Tokenizer 创建索引、添加文档并进行搜索：

from elasticsearch import Elasticsearch

# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])

# 定义索引名称
index_name = 'my_index'

# 定义 mapping
mapping = {
  "settings": {
    "analysis": {
      "analyzer": {
        "my_edge_ngram_analyzer": {
          "type": "custom",
          "tokenizer": "my_edge_ngram_tokenizer"
        }
      },
      "tokenizer": {
        "my_edge_ngram_tokenizer": {
          "type": "edge_ngram",
          "min_gram": 1,
          "max_gram": 10
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_edge_ngram_analyzer",
        "search_analyzer": "standard"
      }
    }
  }
}

# 创建索引
if es.indices.exists(index=index_name):
    es.indices.delete(index=index_name)
es.indices.create(index=index_name, body=mapping)

# 添加文档
documents = [
  {"name": "AA111"},
  {"name": "111AA"},
  {"name": "AA-111"},
  {"name": "AAAA"},
  {"name": "1111"}
]

for i, doc in enumerate(documents):
  es.index(index=index_name, id=i, body=doc)

# 刷新索引
es.indices.refresh(index=index_name)

# 搜索
query = {
  "query": {
    "match": {
      "name": "111"
    }
  }
}

result = es.search(index=index_name, body=query)

# 打印结果
print(result)

注意事项

• 在修改 mapping 之后，必须重新索引数据。否则，之前的索引仍然使用旧的 mapping，搜索结果可能不正确。
• edge-ngram Tokenizer 会生成大量的词元，可能会影响索引的大小和搜索性能。请根据实际情况选择合适的 min_gram 和 max_gram 值。
• 对于更复杂的字母数字混合字符串搜索需求，可能需要结合使用多个分析器和 Tokenizer，或者使用更高级的搜索技术，例如正则表达式查询。

总结

解决 Elasticsearch 无法使用字母数字混合字符串进行搜索的问题，关键在于选择合适的 Tokenizer。standard 分析器适用于大多数场景，而 edge-ngram Tokenizer 适用于前缀搜索的场景。通过选择合适的 Tokenizer，并重新索引数据，你可以有效地解决这个问题，实现字母数字混合字符串的有效搜索。

以上就是《Elasticsearch混合搜索问题解决方法》的详细内容，更多关于的资料请关注golang学习网公众号！