多字段類型

• 多字段特性
• 廠商名字實(shí)現(xiàn)精確匹配
  • 增加一個keyword字段
• 使用不同的analyzer
  • 不同語言
  • pinyin字段的搜索
  • 還支持為搜索和索引指定不同的analyzer

多字段特性模板

Exact Values VS Full Text

• Exact vaues v.s Full text
  • Exact value：包括數(shù)字 / 日期 / 具體一個字符串（例如："Apple Store"）
    • Elasticsearch 中的keyword
  • 全文本，非結(jié)構(gòu)化的文本數(shù)據(jù)
    • Elasticsearch中的text

Exact Values不需要被分詞

• Elasticsearch為每一個字段創(chuàng)建一個倒排索引
  • Exact Value在索引時(shí)，不需要做特殊的分詞處理

PUT logs/_doc/1
{
  "level": "DEBUG"
}
PUT logs/_doc/2
{
  "level": "INFO"
}
PUT logs/_doc/3
{
  "level": "INFO"
}
PUT logs/_doc/4
{
  "level": "ERROR"
}

Level倒排表

自定義分詞

• 當(dāng)Elasticsearch自帶的分詞器無法滿足時(shí)，可以自定義分詞器，通過資組合不同組件實(shí)現(xiàn)
  • Character Filter
  • Tokenizer
  • Token Filter

Character Filters

• 在Tokenizer之前對文本進(jìn)行處理，例如增加刪除及替換字符。可以配置多個Character Filters.會影響Tokenizer的position和offset信息
• 一些自帶的Character Filters
  • HTML strip：去除html標(biāo)簽
  • Mapping：字符串替換
  • Pattern replace：正則匹配替換

Tokenizer

• 將原始的文本按照一定的規(guī)則，切分為詞（term or token）
• Elasticsearch內(nèi)置的Tokenizers
  • whitespace / standard / uax_url_emall / pattern / keyword / path hierarchy
• 可以用java開發(fā)插件，實(shí)現(xiàn)自己的Tokenizer

Token Filter

• 將Tokenizer輸出的單詞（term），進(jìn)行增加，修改，刪除
• 自帶的Token Filters
  • Lowercase / stop / synonym（添加近義詞）

設(shè)置一個Custom Analyzer

設(shè)置一個analyzer