Question

我最近开始使用ElasticSearch，我似乎无法让它搜索一个单词的一部分。

示例：我在我的couchdb中有三个文件，在ElasticSearch中编入索引：

{
  "_id" : "1",
  "name" : "John Doeman",
  "function" : "Janitor"
}
{
  "_id" : "2",
  "name" : "Jane Doewoman",
  "function" : "Teacher"
}
{
  "_id" : "3",
  "name" : "Jimmy Jackal",
  "function" : "Student"
}

所以现在，我想搜索包含“Doe”的所有文件

curl http://localhost:9200/my_idx/my_type/_search?q=Doe

这不会返回任何命中。但是，如果我搜索

curl http://localhost:9200/my_idx/my_type/_search?q=Doeman

它确实返回一个文件（John Doeman）。

我尝试过设置不同的分析器和不同的过滤器作为索引的属性。我也试过使用完整的查询（例如：

{
  "query": {
    "term": {
      "name": "Doe"
    }
  }
}

）但似乎没有任何效果。

当我搜索“Doe”时，如何让ElasticSearch找到John Doeman和Jane Doewoman？

更新

我尝试使用nGram标记器和过滤器，就像Igor提出的那样：

{
  "index": {
    "index": "my_idx",
    "type": "my_type",
    "bulk_size": "100",
    "bulk_timeout": "10ms",
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "type": "custom",
          "tokenizer": "my_ngram_tokenizer",
          "filter": [
            "my_ngram_filter"
          ]
        }
      },
      "filter": {
        "my_ngram_filter": {
          "type": "nGram",
          "min_gram": 1,
          "max_gram": 1
        }
      },
      "tokenizer": {
        "my_ngram_tokenizer": {
          "type": "nGram",
          "min_gram": 1,
          "max_gram": 1
        }
      }
    }
  }
}

我现在遇到的问题是每个查询都会返回所有文档。有什么指针吗？关于使用nGram的ElasticSearch文档不是很好......

Answer 1

我也在使用nGram。我使用标准tokenizer和nGram作为过滤器。这是我的设置：

{
  "index": {
    "index": "my_idx",
    "type": "my_type",
    "analysis": {
      "index_analyzer": {
        "my_index_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "mynGram"
          ]
        }
      },
      "search_analyzer": {
        "my_search_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "standard",
            "lowercase",
            "mynGram"
          ]
        }
      },
      "filter": {
        "mynGram": {
          "type": "nGram",
          "min_gram": 2,
          "max_gram": 50
        }
      }
    }
  }
}

让你找到最多50个字母的单词部分。根据需要调整max_gram。在德语单词中可以变得非常大，所以我把它设置得很高。

Answer 2

使用前导和尾随通配符搜索对于大型索引来说会非常慢。如果您希望能够通过单词前缀进行搜索，请删除前导通配符。如果你真的需要在一个单词的中间找到一个子字符串，那么你最好使用ngram tokenizer。

Answer 3

我认为没有必要改变任何映射。尝试使用 query_string ，它是完美的。所有方案都适用于默认的标准分析器：

我们有数据：

{"_id" : "1","name" : "John Doeman","function" : "Janitor"}
{"_id" : "2","name" : "Jane Doewoman","function" : "Teacher"}

情景1：

{"query": {
    "query_string" : {"default_field" : "name", "query" : "*Doe*"}
} }

响应：

{"_id" : "1","name" : "John Doeman","function" : "Janitor"}
{"_id" : "2","name" : "Jane Doewoman","function" : "Teacher"}

情景2：

{"query": {
    "query_string" : {"default_field" : "name", "query" : "*Jan*"}
} }

响应：

{"_id" : "1","name" : "John Doeman","function" : "Janitor"}

场景3：

{"query": {
    "query_string" : {"default_field" : "name", "query" : "*oh* *oe*"}
} }

响应：

{"_id" : "1","name" : "John Doeman","function" : "Janitor"}
{"_id" : "2","name" : "Jane Doewoman","function" : "Teacher"}

编辑 - 与弹簧数据弹性搜索相同的实现 https://stackoverflow.com/a/43579948/2357869

再一个解释query_string如何比其他更好 https://stackoverflow.com/a/43321606/2357869

Answer 4

在不更改索引映射的情况下，您可以执行简单的前缀查询，该查询将执行您希望的部分搜索

即

{
  "query": { 
    "prefix" : { "name" : "Doe" }
  }
}

https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-prefix-query.html

Answer 5

尝试使用此处描述的解决方案：Exact Substring Searches in ElasticSearch

{
    "mappings": {
        "my_type": {
            "index_analyzer":"index_ngram",
            "search_analyzer":"search_ngram"
        }
    },
    "settings": {
        "analysis": {
            "filter": {
                "ngram_filter": {
                    "type": "ngram",
                    "min_gram": 3,
                    "max_gram": 8
                }
            },
            "analyzer": {
                "index_ngram": {
                    "type": "custom",
                    "tokenizer": "keyword",
                    "filter": [ "ngram_filter", "lowercase" ]
                },
                "search_ngram": {
                    "type": "custom",
                    "tokenizer": "keyword",
                    "filter": "lowercase"
                }
            }
        }
    }
}

要解决磁盘使用问题和太长的搜索词问题，请使用短8个字符 ngrams （配置为：＆＃34; max_gram＆＃34;：8 ）。要搜索超过8个字符的术语，请将搜索转换为布尔AND查询，以查找该字符串中每个不同的8个字符的子字符串。例如，如果用户搜索大码（10个字符的字符串），则搜索将为：

＆＃34; arge ya and arge yar and rge yard 。

Answer 6

如果您想实现自动填充功能，那么Completion Suggester是最简洁的解决方案。下一个blog post包含一个非常明确的描述如何工作。

用两个词来说，它是一个称为FST的内存数据结构，它包含有效的建议，并针对快速检索和内存使用进行了优化。从本质上讲，它只是一个图表。例如，包含单词hotel，marriot，mercure，munchen和munich的FST将如下所示：

Answer 7

您可以使用正则表达式。

docker-compose exec app /bin/bash

如果使用此查询：

{ "_id" : "1", "name" : "John Doeman" , "function" : "Janitor"}
{ "_id" : "2", "name" : "Jane Doewoman","function" : "Teacher"  }
{ "_id" : "3", "name" : "Jimmy Jackal" ,"function" : "Student"  }

您将给所有以“ J”开头的数据。考虑到您只想接收前两个以“ man”结尾的记录，因此可以使用此查询：

{
  "query": {
    "regexp": {
      "name": "J.*"
    }
  }
}

，如果您想接收名称中存在“ m”的所有记录，则可以使用以下查询：

{
  "query": { 
    "regexp": {
      "name": ".*man"
    }
  }
}

这对我有用。我希望我的回答适合解决您的问题。

Answer 8

我正在使用它并得到了工作

"query": {
        "query_string" : {
            "query" : "*test*",
            "fields" : ["field1","field2"],
            "analyze_wildcard" : true,
            "allow_leading_wildcard": true
        }
    }

Answer 9

虽然有很多答案都集中在解决眼前的问题上，但并没有过多地讨论某人在选择特定答案之前需要进行的各种权衡。因此，让我尝试在这个角度上添加更多细节。

部分搜索现在已成为一天中非常普遍且重要的功能，如果未正确实施，则可能会导致不良的用户体验和较差的性能，因此请首先了解您的应用功能和与之相关的非功能要求我在this detailed SO answer中谈到的这项功能。

现在有各种各样的方法，例如查询时间，索引时间，完成建议程序和在键入数据类型时进行搜索，这些都是最新版本的elasticsarch添加的。有关所有这些方法的折衷和性能注意事项，请参考my detailed blog。

现在，那些只想快速实施解决方案的人可以使用从头到尾的工作解决方案。

索引映射

{
  "settings": {
    "analysis": {
      "filter": {
        "autocomplete_filter": {
          "type": "ngram",
          "min_gram": 1,
          "max_gram": 10
        }
      },
      "analyzer": {
        "autocomplete": { 
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "autocomplete_filter"
          ]
        }
      }
    },
    "index.max_ngram_diff" : 10
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "autocomplete", 
        "search_analyzer": "standard" 
      }
    }
  }
}

索引给出了示例文档

{
  "title" : "John Doeman"
  
}

{
  "title" : "Jane Doewoman"
  
}

{
  "title" : "Jimmy Jackal"
  
}

并搜索查询

{
    "query": {
        "match": {
            "title": "Doe"
        }
    }
}

可返回预期的搜索结果

 "hits": [
            {
                "_index": "6467067",
                "_type": "_doc",
                "_id": "1",
                "_score": 0.76718915,
                "_source": {
                    "title": "John Doeman"
                }
            },
            {
                "_index": "6467067",
                "_type": "_doc",
                "_id": "2",
                "_score": 0.76718915,
                "_source": {
                    "title": "Jane Doewoman"
                }
            }
        ]

Answer 10

使用通配符（*）防止得分计算

Answer 11

没关系。

我不得不查看Lucene文档。似乎我可以使用通配符！： - ）

curl http://localhost:9200/my_idx/my_type/_search?q=*Doe*

诀窍！

如何使用ElasticSearch搜索单词的一部分

11 个答案: