elasticsearch - ElasticSearch:使用雪球分析器时奇怪的搜索行为

Question

假设我有一个定义如下的ElasticSearch索引:

curl -XPUT 'http://localhost:9200/test' -d '{
  "mappings": {
    "example": {
      "properties": {
        "text": {
          "type": "string",
          "analyzer": "snowball"
        }
      }
    }
  }
}'

curl -XPUT 'http://localhost:9200/test/example/1' -d '{
  "text": "foo bar organization"
}'

当我使用Snowball Analyzer搜索“foo机构”时，两个关键字均符合预期:

curl -XGET http://localhost:9200/test/example/_search -d '{
  "query": {
    "text": {
      "_all": {
        "query": "foo organizations",
        "analyzer": "snowball"
      }
    }
  },
  "highlight": {
    "fields": {
      "text": {}
    }
  }
}'

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 0.015912745,
    "hits": [
      {
        "_index": "test",
        "_type": "example",
        "_id": "1",
        "_score": 0.015912745,
        "_source": {
          "text": "foo bar organization"
        },
        "highlight": {
          "text": [
            "<em>foo</em> bar <em>organization</em>"
          ]
        }
      }
    ]
  }
}

但是，当我只搜索“组织”时，我什么都没有得到，这很奇怪:

curl -XGET http://localhost:9200/test/example/_search -d '{
  "query": {
    "text": {
      "_all": {
        "query": "organizations",
        "analyzer": "snowball"
      }
    }
  },
  "highlight": {
    "fields": {
      "text": {}
    }
  }
}'

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 0,
    "max_score": null,
    "hits": []
  }
}

但是，如果我搜索“酒吧”，它仍然会命中:

curl -XGET http://localhost:9200/test/example/_search -d '{
  "query": {
    "text": {
      "_all": {
        "query": "bars",
        "analyzer": "snowball"
      }
    }
  },
  "highlight": {
    "fields": {
      "text": {}
    }
  }
}'

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 0.10848885,
    "hits": [
      {
        "_index": "test",
        "_type": "example",
        "_id": "1",
        "_score": 0.10848885,
        "_source": {
          "text": "foo bar organization"
        },
        "highlight": {
          "text": [
            "foo <em>bar</em> organization"
          ]
        }
      }
    ]
  }
}

我猜想“酒吧”和“组织”之间的区别在于，“组织”是源于“器官”，而“酒吧”是源于自身。但是，如何获得正确的行为以使第二次搜索成功？

Answer 1

文本“foo bar的组织”被索引两次-在文本字段和 _all 字段中。字段文本使用雪球分析器，而字段 _all 使用标准分析器。因此，在对测试记录进行分析之后，字段 _all 包含 token :“foo”，“bar”和“organization”。在搜索过程中，指定的雪球分析器将“foo”转换为“foo”，将“bars”转换为“bar”，将“organization”转换为“organ”。因此，查询中的单词“foo”和“bars”与测试记录匹配，而术语“organization”则不匹配。突出显示是在每个字段的基础上进行的，与搜索无关，这就是为什么单词“organization”在第一个结果中突出显示的原因。