我有一个具有以下映射的弹性搜索索引：
PUT /student_detail
{
"mappings" : {
"properties" : {
"id" : { "type" : "long" },
"name" : { "type" : "text" },
"email" : { "type" : "text" },
"age" : { "type" : "text" },
"status" : { "type" : "text" },
"tests":{ "type" : "nested" }
}
}
}
存储的数据格式如下：
{
"id": 123,
"name": "Schwarb",
"email": "abc@gmail.com",
"status": "current",
"age": 14,
"tests": [
{
"test_id": 587,
"test_score": 10
},
{
"test_id": 588,
"test_score": 6
}
]
}
我希望能够查询这样的学生，其中“％warb％”之类的名称和“％gmail.com％”之类的电子邮件以及ID为587的测试的得分均大于5，等等。如下所示，不知道实际查询是什么，为此
下的混乱查询表示歉意GET developer_search/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "abc"
}
},
{
"nested": {
"path": "tests",
"query": {
"bool": {
"must": [
{
"term": {
"tests.test_id": IN [587]
}
},
{
"term": {
"tests.test_score": >= some value
}
}
]
}
}
}
}
]
}
}
}
查询必须灵活，以便我们可以输入动态测试ID及其相应的分数过滤器以及嵌套字段（例如年龄，姓名，状态）中的字段
答案 0 :(得分：0)
类似的东西吗？
GET student_detail/_search
{
"query": {
"bool": {
"must": [
{
"wildcard": {
"name": {
"value": "*warb*"
}
}
},
{
"wildcard": {
"email": {
"value": "*gmail.com*"
}
}
},
{
"nested": {
"path": "tests",
"query": {
"bool": {
"must": [
{
"term": {
"tests.test_id": 587
}
},
{
"range": {
"tests.test_score": {
"gte": 5
}
}
}
]
}
},
"inner_hits": {}
}
}
]
}
}
}
内部匹配是您要寻找的。
答案 1 :(得分：0)
您必须使用Ngram Tokenizer，因为出于性能原因，不得使用通配符搜索，因此我不建议您使用通配符搜索。
将映射更改为以下内容，您可以在其中创建自己的Analyzer，这在下面的映射中已经完成。
elasticsearch（albiet lucene）如何索引一条语句，首先将语句或段落分解为单词或标记，然后在该特定字段的反向索引中索引这些单词。该过程称为Analysis，该过程仅适用于text数据类型。
因此，现在仅当这些标记在反向索引中可用时，您才能获得文档。
默认情况下，将应用standard analyzer。我所做的是，我创建了自己的分析器并使用了Ngram Tokenizer，它将创建的令牌不仅仅是简单的单词。
Life is beautiful上的默认分析器为life，is，beautiful。
但是使用Ngrams时，Life的令牌将是lif，ife和life
PUT student_detail
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"tokenizer": "my_tokenizer"
}
},
"tokenizer": {
"my_tokenizer": {
"type": "ngram",
"min_gram": 3,
"max_gram": 4,
"token_chars": [
"letter",
"digit"
]
}
}
}
},
"mappings" : {
"properties" : {
"id" : {
"type" : "long"
},
"name" : {
"type" : "text",
"analyzer": "my_analyzer",
"fields": {
"keyword": {
"type": "keyword"
}
}
},
"email" : {
"type" : "text",
"analyzer": "my_analyzer",
"fields": {
"keyword": {
"type": "keyword"
}
}
},
"age" : {
"type" : "text" <--- I am not sure why this is text. Change it to long or int. Would leave this to you
},
"status" : {
"type" : "text",
"analyzer": "my_analyzer",
"fields": {
"keyword": {
"type": "keyword"
}
}
},
"tests":{
"type" : "nested"
}
}
}
}
请注意，在上面的映射中，我以name，email和status的关键字形式创建了一个同级字段，如下所示：
"name":{
"type":"text",
"analyzer":"my_analyzer",
"fields":{
"keyword":{
"type":"keyword"
}
}
}
现在您的查询可能如下所示。
POST student_detail/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "war" <---- Note this. This would even return documents having "Schwarb"
}
},
{
"match": {
"email": "gmail" <---- Note this
}
},
{
"nested": {
"path": "tests",
"query": {
"bool": {
"must": [
{
"term": {
"tests.test_id": 587
}
},
{
"range": {
"tests.test_score": {
"gte": 5
}
}
}
]
}
}
}
}
]
}
}
}
请注意，对于完全匹配，我将在Term Queries字段中使用keyword，而对于常规搜索或在LIKE中的SQL中使用简单的{{3 }} Match Queries上 提供的 字段中，它们使用了Ngram Tokenizer。
还请注意，对于>=和<=，您需要使用text。
{
"took" : 233,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 3.7260926,
"hits" : [
{
"_index" : "student_detail",
"_type" : "_doc",
"_id" : "1",
"_score" : 3.7260926,
"_source" : {
"id" : 123,
"name" : "Schwarb",
"email" : "abc@gmail.com",
"status" : "current",
"age" : 14,
"tests" : [
{
"test_id" : 587,
"test_score" : 10
},
{
"test_id" : 588,
"test_score" : 6
}
]
}
}
]
}
}
请注意，在运行查询时，我会在答复中观察您在问题中提到的文档。
请务必阅读我共享的链接。了解概念至关重要。希望这会有所帮助！