问是否有可能将span_near查询排序为比重复结果更高的唯一结果？
EN

Stack Overflow用户

提问于 2013-12-06 13:47:28

回答 1查看 161关注 0票数 0

假设我有两个包含以下信息的"catField“文档：

第一份文件：

happy cat
sad cat
meh cat

第二份文件：

happy cat
happy cat
happy cat

我试图编写一个满足两个要求的查询：

在单词"cat“后面找到长度至少为3的单词。
该查询还应将具有更独特类型的猫(文档一)的文档排序高于具有相同类型的猫(文档二)的文档。

下面是我的初始解决方案，它使用span_near和regexp来满足第一个需求：

"span_near": {
   "clauses": [
       {
            "span_multi": { 
                "match": { 
                    "regexp": {
                        "catField": "[a-z]{3,}"
                    }
                }
            }
        },
        {
            "span_multi": { 
                "match": { 
                    "regexp": {
                        "catField": "cat"
                    }
                }
            }
        }
   ],
   "slop": 0,
   "in_order": true
}

这对于查找带有猫列表的文档非常有用，但它将对文档一进行排序，而文档二(上图)则是相同的。我如何才能满足第二个要求，排名唯一的猫名单高于非唯一的？

elasticsearch

回答 1

Stack Overflow用户

回答已采纳

发布于 2013-12-07 09:09:19

因此，这里有一种方法，使用一些索引魔术，以获得您想要的。我不完全确定您的需求(因为您可能处理的数据比“愉快的猫”更复杂)，但是它应该让您从索引时间的方向开始。

这可能是正确的方法，也可能不是您的设置。根据索引大小和查询负载，短语查询/span查询/bool组合可能工作得更好。但是，您的需求是很棘手的，因为它们取决于顺序、前面令牌的大小和变化的数量。

这样做的优点是，您的许多复杂逻辑都被放入索引中，从而在查询时获得了速度。然而，它确实会使您的数据变得更加僵化。

curl -XDELETE localhost:9200/cats
curl -XPUT localhost:9200/cats -d '
{
    "settings" : {
        "number_of_shards" : 1,
        "number_of_replicas" : 0,
        "index" : {
            "analysis" : {
                "analyzer" : {
                    "catalyzer" : {
                        "type" : "custom",
                        "tokenizer" : "keyword",
                        "filter" : ["cat_pattern", "unique", "cat_replace"]
                    }   
                },
                "filter" : {
                    "cat_pattern" : {
                     "type" : "pattern_capture",
                       "preserve_original" : false,
                       "patterns" : [
                          "([a-z]{3,} cat)"
                       ]   
                    },
                    "cat_replace" : {
                     "type" : "pattern_replace",
                       "preserve_original" : false,
                       "pattern" : "([a-z]{3,} cat)",
                       "replacement" : "cat"
                    }
                }
            }
        }
    },
    "mappings" : {
        "cats" : {
            "properties" : {
                "catField" : { 
                    "type" : "multi_field",
                    "fields": {
                        "catField" : {
                            "type": "string",
                            "analyzer": "standard"
                        },
                        "catalyzed" : {
                            "type": "string",
                            "index_analyzer": "catalyzer",
                            "search_analyzer" : "whitespace"
                        }
                    }
                }
            }
        }
    }
}'

首先，我们正在创建一个包含大量自定义分析的索引。首先，我们使用关键字分析器进行标记(它实际上并不是标记，只是发出一个令牌)。然后，我们使用一个pattern_capture过滤器查找所有“猫”前面有一个字长于三个字符。然后，我们使用一个unique过滤器来去除重复的(例如，连续三次“快乐猫”)。最后，我们使用一个pattern_replace将我们的“快乐猫”变成了“猫”。

字段的最后标记将只是"cat"，但是如果有多种类型的猫，则会出现更多的"cat“。

在搜索的时候，我们只需搜索"cat“，经常提到"cat”的文档就会被推高。由于我们的分析，更多的提及意味着更多独特的类型，因此我们得到了“免费”的助推行为。

我使用了一个多字段，所以您仍然可以查询原始字段(例如，如果您想搜索“愉快的猫”)。

使用上述映射进行演示：

curl -XPOST localhost:9200/cats/cats/1 -d '
{
    "catField" : ["sad cat", "happy cat", "meh cat"]
}'

curl -XPOST localhost:9200/cats/cats/2 -d '
{
    "catField" : ["happy cat", "happy cat", "happy cat"]
}'

curl -XPOST localhost:9200/cats/cats/3 -d '
{
    "catField" : ["a cat", "x cat", "y cat"]
}'

curl -XPOST localhost:9200/cats/cats/_search -d '
{
    "query" : {
        "match": {
           "catField.catalyzed": "cat"
        }   
    }
}'