elasticsearch - 在 Elastic Search 中索引逗号分隔值字段

Question

我正在使用 Nutch 抓取网站并将其索引到 Elastic 搜索中。我的站点有元标记，其中一些包含以逗号分隔的 ID 列表(我打算将其用于搜索)。例如:

contentTypeIds="2,5,15"。 (注意:没有方括号)。

当 ES 对此建立索引时，我无法搜索 contentTypeIds:5 并找到 contentTypeIds 包含 5 的文档；此查询仅返回 contentTypeIds 恰好为“5”的文档。但是，我确实想查找 contentTypeIds 包含 5 的文档。

在 Solr 中，这通过在 schema.xml 中将 contentTypeIds 字段设置为 multiValued="true"来解决。我找不到如何在 ES 中做类似的事情。

我是 ES 的新手，所以我可能错过了一些东西。感谢您的帮助!

Answer 1

创建 custom analyzer这会将索引文本按逗号拆分为标记。

然后你可以尝试搜索。如果您不关心相关性，您可以使用过滤器来搜索您的文档。我的示例展示了如何尝试使用 term filter 进行搜索.

您可以在下面找到如何使用 sense 插件执行此操作。

DELETE testindex

PUT testindex
{
    "index" : {
        "analysis" : {
            "tokenizer" : {
                "comma" : {
                    "type" : "pattern",
                    "pattern" : ","
                }
            },
            "analyzer" : {
                "comma" : {
                    "type" : "custom",
                    "tokenizer" : "comma"
                }
            }
        }
    }
}

PUT /testindex/_mapping/yourtype
{
        "properties" : {
            "contentType" : {
                "type" : "string",
                "analyzer" : "comma"
            }
        }
}

PUT /testindex/yourtype/1
{
    "contentType" : "1,2,3"
}

PUT /testindex/yourtype/2
{
    "contentType" : "3,4"
}

PUT /testindex/yourtype/3
{
    "contentType" : "1,6"
}

GET /testindex/_search
{
    "query": {"match_all": {}}
}

GET /testindex/_search
{
    "filter": {
        "term": {
           "contentType": "6"
        }
    }
}

希望对您有所帮助。