elasticsearch - 全文搜索Elasticsearch中的完全match_phrase(带有前导和尾随空格)

Question

我是Elasticsearch的新手，这是我的任务。

给定我的索引:

{
   "my_index": {
      "mappings": {
         "_default_": {
            "_all": {
               "enabled": false
            },
            "properties": {}
         },
         "title": {
            "_all": {
               "enabled": false
            },
            "properties": {
               "foo_id": {
                  "type": "long"
               },
               "title": {
                  "type": "string",
                  "analyzer": "english"
               }
            }
         }
      },
      "settings": {
         ...
      }
   }
}

和样本记录:

{"foo_id": 777, "title": "Equality"}
{"foo_id": 777, "title": "First Among Equals"}
{"foo_id": 777, "title": "AN EQUAL MUSIC"}

我想搜索必须满足以下条件的记录:

有foo_id == 777

包含不区分大小写的单词“等于”

意思是，我必须只找到第三条记录，其中包含确切的短语“等于”。包含单词“equality”和“equals”的标题不得返回。我想避免诉诸正则表达式。

我尝试过这样的搜索:

{
  "query": {
    "bool": {
      "must": [
        {"term": {"account_id": 777}},
        {"match_phrase": {"title": "equal"}}
      ]
    }
  }
}

但它会返回所有三个结果。

另一个问题:鉴于我不在乎结果的相关性，我如何以最有效的方式获得结果？我应该使用 search_type='scan'滚动还是过滤？摘录会很好。谢谢。

Answer 1

这是您可以做到的一种方法。如果您取出英语分析仪，则会使用standard analyzer代替，它似乎为您提供了想要的东西。

curl -XPUT "http://localhost:9200/my_index" -d'
{
    "settings": {
        "number_of_shards": 2, 
         "number_of_replicas": 1
      },
      "mappings": {
         "_default_": {
            "_all": {
               "enabled": false
            },
            "properties": {}
         },
         "title": {
            "_all": {
               "enabled": false
            },
            "properties": {
               "foo_id": {
                  "type": "long"
               },
               "title": {
                  "type": "string"
               }
            }
         }
      }
}'

然后添加文档:

curl -XPUT "http://localhost:9200/my_index/title/1" -d'
{"foo_id": 777, "title": "Equality"}'
curl -XPUT "http://localhost:9200/my_index/title/2" -d'
{"foo_id": 777, "title": "First Among Equals"}'
curl -XPUT "http://localhost:9200/my_index/title/3" -d'
{"foo_id": 777, "title": "AN EQUAL MUSIC"}'

然后，您可以使用 constant score查询来避免额外的计算(如果您不关心结果的排名)，并结合使用 must bool filter获得所需的结果:

curl -XPOST "http://localhost:9200/my_index/_search" -d'
{
  "query": {
    "constant_score": {
       "filter": {
           "bool": {
               "must": [
                  {"term": {
                     "foo_id": 777
                  }},
                  {"term": {
                     "title": "equal"
                  }}
               ]
           }
       }
    }
  }
}'

产生:

{
   "took": 1,
   "timed_out": false,
   "_shards": {
      "total": 2,
      "successful": 2,
      "failed": 0
   },
   "hits": {
      "total": 1,
      "max_score": 1,
      "hits": [
         {
            "_index": "my_index",
            "_type": "title",
            "_id": "3",
            "_score": 1,
            "_source": {
               "foo_id": 777,
               "title": "AN EQUAL MUSIC"
            }
         }
      ]
   }
}

这是我使用的代码:

http://sense.qbox.io/gist/179d737edf1de964090746a2fdae5ad52c935b31

编辑:如果您希望既可以使用英语分析器又可以使用标准分析器(或其他某些分析器，或者不使用，通常是分面或排序)，则可以使用 multi_field(不赞成使用的名称)作为如下:

curl -XPUT "http://localhost:9200/my_index" -d'
{
   "settings": {
      "number_of_shards": 2,
      "number_of_replicas": 1
   },
   "mappings": {
      "_default_": {
         "_all": {
            "enabled": false
         },
         "properties": {}
      },
      "title": {
         "_all": {
            "enabled": false
         },
         "properties": {
            "foo_id": {
               "type": "long"
            },
            "title": {
               "type": "string",
               "analyzer": "english",
               "fields": {
                  "unstemmed": {
                     "type": "string",
                     "analyzer": "standard"
                  }
               }
            }
         }
      }
   }
}'

现在，如果您使用 { "term": { "title": "equal" } }搜索，您将获得全部三个文档，但是如果您使用 { "term": { "title.unstemmed": "equal" } }，您将获得所需的内容:

curl -XPOST "http://localhost:9200/my_index/_search" -d'
{
   "query": {
      "constant_score": {
         "filter": {
            "bool": {
               "must": [
                  {
                     "term": {
                        "foo_id": 777
                     }
                  },
                  {
                     "term": {
                        "title.unstemmed": "equal"
                     }
                  }
               ]
            }
         }
      }
   }
}'
...
{
   "took": 2,
   "timed_out": false,
   "_shards": {
      "total": 2,
      "successful": 2,
      "failed": 0
   },
   "hits": {
      "total": 1,
      "max_score": 1,
      "hits": [
         {
            "_index": "my_index",
            "_type": "title",
            "_id": "3",
            "_score": 1,
            "_source": {
               "foo_id": 777,
               "title": "AN EQUAL MUSIC"
            }
         }
      ]
   }
}

这是代码:

http://sense.qbox.io/gist/40a145e94fd8e47b875525c7e095024f025dd1ab