单个字段的 Elasticsearch 多个分析器

Question

我使用严格的预定义映射将不同类型的文档存储在单个索引中。它们都有一些字段（例如，"body"），但我希望在索引时对它们进行稍微不同的分析（例如，对特定文档使用不同的标记过滤器）并在搜索时以相同的方式处理。据我所知，无法为每个文档指定分析器。

我也考虑过用什么：

具有针对文档类型的不同分析子字段的对象字段，因此每个文档只有一个填充的子字段（例如，"body.mail"、"body.html"）。问题是我无法搜索整个 "body" 字段，它会查看其所有子字段（不破坏现有应用程序）。
多字段的新轮回（具有带有通用分析器的 "body" 字段，并在其中自定义分析 "mail"、"html" 等）。 Hovewer，我不确定是否可以在索引时直接使用它们并在搜索时间接使用它们（例如，使用 {"mail":"smth"} 保存对象以使用特定的索引分析器，然后通过 "query":{"body":"smth"} 搜索以使用通用搜索分析器）。
要将 "body" 分成多个具有不同映射的字段，请将它们从 _all 中删除，并将 copy_to 设置为单个 body 字段。我不确定，但由于复制，它会增加大量索引开销。

Answer 1

我认为你可以使用多字段。使用多字段，您可以为每个子字段定义分析器（包括索引和搜索），并根据应用程序需求对相应字段进行搜索。一般来说，索引分析器会因字段而异，搜索分析器也一样。

{
  "your_type" : {   
    "properties":{
        "body" : {
            "type" : "string",
            "index" : "analyzed",
            "index_analyzer" : "index_body_analyzer",
            "search_analyzer" : "search_body_analyzer",
            "fields" : {
                "mail" : {
                    "type" : "string",
                    "index" : "analyzed",
                    "index_analyzer" : "index_bodymail_analyzer",
                    "search_analyzer" : "search_bodymail_analyzer"
                },
                "html": {
                    "type" : "string",              
                    "index" : "analyzed",
                    "index_analyzer" : "index_bodyhtml_analyzer",
                    "search_analyzer" : "search_bodyhtml_analyzer"
                }
            }
        }
    }
}

Answer 2

正如我在评论中提到的，你想要的是不可能的。一句话，您的要求是：以多种方式分析相同的数据，但作为单个字段进行搜索，因为这会破坏现有的应用程序。

             -- body.html          
             -- body.email
body field ---- body.content     --- all searched as "body"
            ...
             -- body.destination
             -- body.whatever

您的第一个选择是 多字段，它的确切目的是：以多种方式分析相同的数据。问题是您不能搜索 "body" 并期望 ES 搜索 body.html、body.email... 即使这是可能的，您也希望使用不同的分析器进行搜索。再次，不可能。此选项要求您 更改应用程序 并在 multi_match 或 query_string.
您的第二个选项 - reincarnation of multi-fields - 将再次无效，因为 您无法在后台引用 body 和 ES 来匹配 mail、content等
第三个选项 - 使用 copy_to - 将不起作用，因为复制到另一个字段 "X" 意味着索引正在复制的数据 将使用 X的分析器，这打破了您对相同数据进行不同分析的要求。
可能还有第四个选项 - "path": "just_name" from multi_fields - 乍一看应该可行。也就是说，您可以有 3 个多字段（电子邮件、内容、html），这三个字段都有一个 body 子字段。拥有 "path": "just_name" 允许您仅搜索 body，即使 body 是多个其他字段的子字段。但这是不可能的，因为这种类型的多字段 不会接受相同 body.

无论哪种方式，您都需要更改您的要求，因为它们不会按照您想要的方式工作。

话虽如此，我很想知道您在应用程序中使用了哪些查询。这将是一个简单的更改（是的，您需要将您的应用程序）从查询 body 字段更改为在 multi_match 中查询 body.*。

我为您提供了另一种解决方案：创建多个索引，为您 body 的每个分析器创建一个索引。例如，对于 mail、content 和 html，您定义了三个索引：

PUT /multi_fields1
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "whitespace",
          "search_analyzer": "standard"
        }
      }
    }
  }
}
PUT /multi_fields2
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "standard",
          "search_analyzer": "standard"
        }
      }
    }
  }
}
PUT /multi_fields3
{
  "mappings": {
    "test": {
      "properties": {
        "body": {
          "type": "string",
          "index_analyzer": "keyword",
          "search_analyzer": "standard"
        }
      }
    }
  }
}

您看到它们都具有相同的 type 和相同的字段名称 - body - 但不同的 index_analyzer。然后你定义一个别名：

POST _aliases
{
  "actions": [
    {"add": {
        "index": "multi_fields1",
        "alias": "multi"}},
    {"add": {
        "index": "multi_fields2",
        "alias": "multi"}},
    {"add": {
        "index": "multi_fields3",
        "alias": "multi"}}
  ]
}

将别名命名为与当前索引相同的别名。应用程序不需要更改，它将使用相同的名称进行索引搜索，但是此名称不会指向索引，而是指向一个别名，该别名又指向您的多个指数。需要改变的是如何索引文档，因为 html 文档需要进入 multi_fields1 索引，例如 email 文档需要在 multi_fields2 索引中进行索引等等

无论您 find/choose 是什么解决方案，您的要求都需要改变，因为您想要的方式是不可能的。

单个字段的 Elasticsearch 多个分析器

Elasticsearch multiple analyzers for a single field

indexing

elasticsearch