码迷,mamicode.com
首页 > 其他好文 > 详细

Elastic Search 基础——分析(Analysis)

时间:2020-05-24 00:25:40      阅读:87      评论:0      收藏:0      [点我收藏+]

标签:app   white   性能   uid   匹配   16px   sem   default   search   

分析是将文本,如任何电子邮件的正文转换成附加到反向索引的tokens(标记)或terms(条件)的过程。分析由分析器执行,它可以是内置的分析器,也可以是每个索引定义的自定义分析器。

索引时分析

在索引时,内置的english analyzer(英文分析器)将会转换这个句子:

"The QUICK brown foxes jumped over the lazy dog!"

这些条件将被添加到反向索引中。

quickbrownfoxjumpoverlazidog ]

Elastic Search内置了好几种分析器,我们可以指定字段使用的分析器,在mapping的时候设置analyzer字段即可。

{
  "mappings": {
    "properties": {
      "title": {
        "type""text",
        "analyzer""standard"
      }
    }
  }
}

在索引时,如果没有指定分析器,则会在索引设置中查找名为default的分析器。未找到则默认使用standard analyzer(标准分析器)。

搜索时分析

例如,用户可能搜索:

"a quick fox"

这将由类似英语分析器分析为以下的条件:

quickfox ]

通常在索引时和搜索时应该使用相同的分析器,而像match query(匹配查询)那样的全文检索将使用映射来查找用于每个字段的分析器。

搜索时字段分析器可以有多种途径指定:

  • 在查询中指定分析器。
  • search_analyzer映射参数。
  • analyzer映射参数。

搜索的时候会按照上述优先级使用分析器。

常用分词器

标准分词器

在默认情况下,Elasticsearch使用标注分词器进行分词,它根据 Unicode 联盟 定义的 单词边界 划分文本。删除绝大部分标点。最后,将词条小写。例如,对于如下文本:

"Set the shape to semi-transparent by calling set_trans(5)"

它会产生set, the, shape, to, semi, transparent, by, calling, set_trans, 5这些分词。对于英文语言来说使用还是非常实用的。

IK分词器

标准分词器对于英文还是非常方便的,但是对于中文却不行,会将中文拆成一个个的单字,搜索效率和精度都不行,这是就需要用一些第三方中文分词器,常见的是IK分词器。

使用IK分词器,首先需要安装IK分词器插件:

$ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.2.0/elasticsearch-analysis-ik-7.2.0.zip

需要注意的时,必须选择和ElasticSearch一致的版本。

然后在映射中指定索引分析器和搜索分析器即可:

"properties": {
  "user": {
    "type""text",
    "analyzer""ik_max_word",
    "search_analyzer""ik_max_word"
  }
}

NGram分词器

前面的分词器主要应用场景是全文搜索,但对于模糊搜索的场景就不行了,虽然ElasticSearch也提供wildcard查询和正则表达式查询能实现模糊搜索。但是他们的性能是非常低下的,如果对性能有要求基本上可以抛弃他们了。

一个简单的解决方案是使用ngram分词器,然后使用match_phrase来匹配,

 

具体原理我就不介绍了,可以参考如下几篇文章:

自定义分词

除了标准的分词器外,我们有事还要用到自定义分词器,或者设置分词器的一些参数,这个时候就需要一些高级设置了,一个简单的示例如下:

{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "type""custom",
          "tokenizer""standard",
          "filter": [
            "lowercase"
          ]
        }
      }
    },
    "mappings": {
      "properties": {
        "title": {
          "type""text",
          "analyzer""my_analyzer"
        }
      }
    }
  }
}

简单的来讲,就是在setting中设置分词器参数,然后在mapping中使用分词器,具体用法可以参看官方文档:Create a custom analyzer

测试分词器

有些时候很难理解分词的过程和实际被存储到索引中的词条,特别是你刚接触Elasticsearch。为了理解发生了什么,你可以使用 analyze API 来看文本是如何被分析的。在消息体里,指定分析器和要分析的文本:

GET /_analyze
{
  "analyzer""standard",
  "text""Text to analyze"
}

对于索引里面的自定义分词器,可以带上索引名称:

POST /my_index/_analyze
{
  "analyzer""my_analyzer",
  "text""2 Quick Foxes."
}

Elastic Search 基础——分析(Analysis)

标签:app   white   性能   uid   匹配   16px   sem   default   search   

原文地址:https://www.cnblogs.com/TianFang/p/12945218.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!