如何使用ElasticSearch搜索单词的一部分

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中有三个索引在ElasticSearch中索引的文档：{  "_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"    }  }}但似乎没有任何作用。当我搜索“Doe”时，如何让ElasticSearch找到John Doeman和Jane Doewoman？UPDATE我尝试使用nGram标记器和过滤器，就像Igor提出的那样，如下所示：{  "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"}

场景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"}

场景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"}

Answer 2

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

        }

      }

    }

  }

}

让我们找到最多50个字母的单词部分。根据需要调整max_gram。在德语中，单词可以变得非常大，所以我将其设置为高价值。

Answer 3

使用前导和尾随通配符进行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。