indexing - 单个字段的 Elasticsearch 多个分析器

Question

我将不同类型的文档存储在具有严格预定义映射的单个索引中。它们都有一些字段(例如，“正文”)，但我希望在索引时对它们进行稍微不同的分析(例如，对特定文档使用不同的标记过滤器)并在搜索时以相同的方式处理。据我所知，无法为每个文档指定分析器。

我还考虑使用:

1. 对象字段具有针对文档类型进行不同分析的子字段，因此每个文档只有一个填充的子字段(例如“body.mail”、“body.html”)。问题是我无法搜索整个“正文”字段，它会查看其所有子字段(以免破坏现有应用程序)。
2. 多字段的新轮回(具有带有通用分析器的“正文”字段，并在其中自定义分析“邮件”、“html”等)。 Hovewer，我不确定是否可以在索引时直接使用它们并在搜索时间接使用它们(例如，使用 {"mail":"smth"} 保存对象以使用特定的索引分析器，然后通过 "query":{"body":"smth"} 搜索以使用通用搜索分析器)。
3. 要将“body”分成多个具有不同映射的字段，请将它们从_all 中删除，并将copy_to 设置为单个body 字段。我不确定，但由于复制，它会增加大量索引开销。

Answer 1

正如我在评论中提到的，你想要的是不可能的。一句话，您的要求是:以多种方式分析相同的数据，但作为单个字段进行搜索，因为这会破坏现有的应用程序。

             -- body.html          
             -- body.email
body field ---- body.content     --- all searched as "body"
            ...
             -- body.destination
             -- body.whatever

• 您的第一个选择是多字段，它牢记这个确切的目的:以多种方式分析相同的数据。问题是您无法搜索 "body"并期望 ES 搜索 body.html , body.email ... 即使这是可能的，您也希望使用不同的分析器进行搜索。再次，不可能。此选项要求您更改应用程序并搜索 multi_match 中的每个字段或者在 query_string .

• 您的第二个选择 - reincarnation of multi-fields - 将再次不起作用，因为您无法引用 body和 ES，在后台匹配 mail , content 等

• 第三个选项 - 使用 copy_to - 将不起作用，因为复制到另一个字段“X”意味着索引被复制的数据将使用 X 进行分析的分析器，这打破了您对相同数据进行不同分析的要求。

• 可能还有第四个选项 - "path": "just_name" from multi_fields - 乍一看应该有效。意思是，您可以有 3 个多字段(电子邮件、内容、html)，这三个字段都有一个 body。子领域。有"path": "just_name"允许您只搜索 body即使body是多个其他字段的子字段。但这是不可能的，因为这种类型的多字段 不会接受相同的 body 的不同分析器。 .

无论哪种方式，您都需要更改要求中的某些内容，因为它们不会按照您希望的方式工作。

---

话虽如此，我很想知道您在应用程序中使用了哪些查询。这将是一个简单的更改(是的，您需要更改您的应用)查询 body查询字段 body.*在multi_match .

我为您提供了另一种解决方案:创建多个索引，为您的 body 的每个分析器创建一个索引。 .例如，对于 mail , content和 html您定义了三个索引:

PUT /multi_fields1
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "whitespace",
          "search_analyzer": "standard"
        }
      }
    }
  }
}
PUT /multi_fields2
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "standard",
          "search_analyzer": "standard"
        }
      }
    }
  }
}
PUT /multi_fields3
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "keyword",
          "search_analyzer": "standard"
        }
      }
    }
  }
}

你看到他们都有相同的type和相同的字段名称 - body - 但不同 index_analyzer秒。然后你定义一个别名:

POST _aliases
{
  "actions": [
    {"add": {
        "index": "multi_fields1",
        "alias": "multi"}},
    {"add": {
        "index": "multi_fields2",
        "alias": "multi"}},
    {"add": {
        "index": "multi_fields3",
        "alias": "multi"}}
  ]
}

将别名命名为与当前索引相同的名称。应用程序不需要更改，它将使用相同的名称进行索引搜索，但此名称不会指向索引，而是指向一个别名，该别名又引用您的多个索引。需要改变的是如何索引文档，因为 html文件需要进入multi_fields1索引例如 email文档需要在 multi_fields2 中建立索引索引等

无论您找到/选择什么解决方案，您的需求都需要改变，因为您想要的方式是不可能的。