python - 在 elasticsearch 中索引/搜索 "complex"JSON

Question

我有一些如下所示的 JSON:我们将该字段称为元数据

{ 
  "somekey1": "val1",
  "someotherkey2": "val2",
  "more_data": { 
    "contains_more": [
      { 
        "foo": "val5",
        "bar": "val6"
      },
      { 
        "foo": "val66",
        "baz": "val44"
      },
    ],
    "even_more": {
      "foz" : 1234,
    }
  }
}

这只是一个简单的例子。真实的可以变得更加复杂。键可以出现多次。值也可以是 int 或 str。

现在第一个问题是我不太确定我必须如何在 elasticsearch 中正确索引它以便我可以找到具有特定请求的内容。

我正在使用 Django/Haystack，其中的索引如下所示:

class FooIndex(indexes.SearchIndex, indexes.Indexable):
    text = indexes.CharField(document=True, use_template=True)
    metadata = indexes.CharField(model_attr='get_metadata')
    # and some more specific fields

和模板:

{
    "foo": {{ object.foo }},
    "metadata": {{ object.metadata}},
    # and some more
}

然后元数据将被上面的示例填充，结果将如下所示:

  {
    "foo": "someValue",
    "metadata": { 
      "somekey1": "val1",
      "someotherkey2": "val2",
      "more_data": { 
        "contains_more": [
          { 
            "foo": "val5",
            "bar": "val6"
          },
          { 
            "foo": "val66",
            "baz": "val44"
          },
        ],
        "even_more": {
          "foz" : 1234,
        }
      }
    },
  }

这将进入 elasticsearch 的“文本”列。

所以现在的目标是能够搜索以下内容:

• foo: val5
• foz: 12*
• 酒吧:瓦尔*
• somekey1: val1
• 等等

第二个问题:当我搜索时对于 foo: val5，它匹配仅具有键“foo”的所有对象以及在其结构中其他位置具有 val5 的所有对象。

这是我在 Django 中搜索的方式:

self.searchqueryset.auto_query(self.cleaned_data['q'])

有时结果“还可以”，有时却完全没用。

我可能需要一个指向正确方向的指针，并了解我在这里犯的错误。谢谢!

编辑:我在下面添加了我的最终解决方案作为答案!

Answer 1

可以肯定的是，您首先需要根据您的特定数据并根据您的查询需求制作自定义映射，我的建议是contains_more 应该是nested type。以便您可以对您的字段发出更精确的查询。

我不知道您的字段的确切名称，但根据您显示的内容，一种可能的映射可能是这样的。

{
  "your_type_name": {
    "properties": {
      "foo": {
        "type": "string"
      },
      "metadata": {
        "type": "object",
        "properties": {
          "some_key": {
            "type": "string"
          },
          "someotherkey2": {
            "type": "string"
          },
          "more_data": {
            "type": "object",
            "properties": {
              "contains_more": {
                "type": "nested",
                "properties": {
                  "foo": {
                    "type": "string"
                  },
                  "bar": {
                    "type": "string"
                  },
                  "baz": {
                    "type": "string"
                  }
                }
              }
            }
          }
        }
      }
    }
  }
}

然后，正如 mark 在他的评论中已经提到的，auto_query 不会削减它，主要是因为多层嵌套。据我所知，Django/Haystack 不支持开箱即用的嵌套查询，但您可以扩展 Haystack 来支持它。这是一篇解释如何解决这个问题的博客文章:http://www.stamkracht.com/extending-haystacks-elasticsearch-backend .不确定这是否有帮助，但您应该尝试一下，如果您需要更多帮助，请告诉我们。