Question

ElasticSearch 5.x对Suggester API（Documentation）进行了一些（破坏性）更改。最值得注意的变化如下：

完成建议是面向文档的

建议知道了   他们所属的文件。现在，相关文档（_source）是   作为完成建议的一部分返回。

简而言之，所有完成查询都会返回所有匹配的文档，而不仅仅是匹配的字词。这就是问题所在 - 如果自动填充的单词出现在多个文档中，则会重复这些问题。

假设我们有这个简单的映射：

{
   "my-index": {
      "mappings": {
         "users": {
            "properties": {
               "firstName": {
                  "type": "text"
               },
               "lastName": {
                  "type": "text"
               },
               "suggest": {
                  "type": "completion",
                  "analyzer": "simple"
               }
            }
         }
      }
   }
}

有一些测试文件：

{
   "_index": "my-index",
   "_type": "users",
   "_id": "1",
   "_source": {
      "firstName": "John",
      "lastName": "Doe",
      "suggest": [
         {
            "input": [
               "John",
               "Doe"
            ]
         }
      ]
   }
},
{
   "_index": "my-index",
   "_type": "users",
   "_id": "2",
   "_source": {
      "firstName": "John",
      "lastName": "Smith",
      "suggest": [
         {
            "input": [
               "John",
               "Smith"
            ]
         }
      ]
   }
}

一本书的查询：

POST /my-index/_suggest?pretty
{
    "my-suggest" : {
        "text" : "joh",
        "completion" : {
            "field" : "suggest"
        }
    }
}

产生以下结果：

{
   "_shards": {
      "total": 5,
      "successful": 5,
      "failed": 0
   },
   "my-suggest": [
      {
         "text": "joh",
         "offset": 0,
         "length": 3,
         "options": [
            {
               "text": "John",
               "_index": "my-index",
               "_type": "users",
               "_id": "1",
               "_score": 1,
               "_source": {
                 "firstName": "John",
                 "lastName": "Doe",
                 "suggest": [
                    {
                       "input": [
                          "John",
                          "Doe"
                       ]
                    }
                 ]
               }
            },
            {
               "text": "John",
               "_index": "my-index",
               "_type": "users",
               "_id": "2",
               "_score": 1,
               "_source": {
                 "firstName": "John",
                 "lastName": "Smith",
                 "suggest": [
                    {
                       "input": [
                          "John",
                          "Smith"
                       ]
                    }
                 ]
               }
            }
         ]
      }
   ]
}

简而言之，对于文本“joh”的完成建议，返回了两（2）个文档 - John和两者都具有text属性的相同值。

但是，我想收到一（1）字。像这样简单：

{
   "_shards": {
      "total": 5,
      "successful": 5,
      "failed": 0
   },
   "my-suggest": [
      {
         "text": "joh",
         "offset": 0,
         "length": 3,
         "options": [
          "John"
         ]
      }
   ]
}

问题：如何实现基于单词的完成建议器。没有必要返回任何与文档相关的数据，因为此时我不需要它。

“完成建议者”是否适合我的情景？或者我应该采用完全不同的方法吗？

修改：正如你们许多人所指出的那样，一个额外的仅完成指数将是一个可行的解决方案。但是，我可以看到这种方法存在多个问题：

保持新索引同步。
自动完成后续单词可能是全局的，而不是缩小范围。例如，假设您在附加索引中有以下单词："John", "Doe", "David", "Smith"。查询"John D"时，不完整字词的结果应为"Doe"而不是"Doe", "David"。

要克服第二点，仅对单个单词建立索引是不够的，因为您还需要将所有单词映射到文档，以便正确缩小自动完成后续单词。有了这个，你实际上遇到了与查询原始索引相同的问题。因此，附加索引不再有意义。

Answer 1

正如评论中所暗示的那样，在不获取重复文档的情况下实现此目的的另一种方法是为包含该字段的ngrams的firstname字段创建子字段。首先，您可以像这样定义映射：

PUT my-index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "completion_analyzer": {
          "type": "custom",
          "filter": [
            "lowercase",
            "completion_filter"
          ],
          "tokenizer": "keyword"
        }
      },
      "filter": {
        "completion_filter": {
          "type": "edge_ngram",
          "min_gram": 1,
          "max_gram": 24
        }
      }
    }
  },
  "mappings": {
    "users": {
      "properties": {
        "autocomplete": {
          "type": "text",
          "fields": {
            "raw": {
              "type": "keyword"
            },
            "completion": {
              "type": "text",
              "analyzer": "completion_analyzer",
              "search_analyzer": "standard"
            }
          }
        },
        "firstName": {
          "type": "text"
        },
        "lastName": {
          "type": "text"
        }
      }
    }
  }
}

然后你索引一些文件：

POST my-index/users/_bulk
{"index":{}}
{ "firstName": "John", "lastName": "Doe", "autocomplete": "John Doe"}
{"index":{}}
{ "firstName": "John", "lastName": "Deere", "autocomplete": "John Deere" }
{"index":{}}
{ "firstName": "Johnny", "lastName": "Cash", "autocomplete": "Johnny Cash" }

然后，您可以查询joh并为John获取一个结果，为Johnny获取另一个结果

{
  "size": 0,
  "query": {
    "term": {
      "autocomplete.completion": "john d"
    }
  },
  "aggs": {
    "suggestions": {
      "terms": {
        "field": "autocomplete.raw"
      }
    }
  }
}

结果：

{
  "aggregations": {
    "suggestions": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "John Doe",
          "doc_count": 1
        },
        {
          "key": "John Deere",
          "doc_count": 1
        }
      ]
    }
  }
}

Answer 2

将在下一版本6.x中添加其他字段skip_duplicates。

来自https://www.elastic.co/guide/en/elasticsearch/reference/master/search-suggesters-completion.html#skip_duplicates的文档：

POST music/_search?pretty
{
    "suggest": {
        "song-suggest" : {
            "prefix" : "nor",
            "completion" : {
                "field" : "suggest",
                "skip_duplicates": true
            }
        }
    }
}

Answer 3

我们面临完全相同的问题。在Elasticsearch 2.4中，你所描述的方法过去对我们来说很好，但是正如你所说的那样，建议者已经成为基于文档的，而像你一样，我们只对独特的单词感兴趣，而不是对文档感兴趣。

到目前为止，我们能想到的唯一“解决方案”是为我们想要执行建议查询的单词创建一个单独的索引，并且在这个单独的索引中确保以某种方式相同的单词仅被索引一次。然后，您可以对此单独的索引执行建议查询。这远非理想，只是因为我们需要确保此索引与我们其他查询所需的其他索引保持同步。

面向字的完成建议器（ElasticSearch 5.x）

3 个答案: