更多内容參考:Elasticsearch學習總結
關于String類型——分詞與不分詞
在Elasticsearch中String是最基本的資料類型,如果不是數字或者标準格式的日期等這種很明顯的類型,其他的一般都會優先預設存儲成String。同樣的資料類型,Elasticsearch也提供了多種存儲與分詞的模式,不同的模式應用于不同的場景。
很多人在初次使用Elasticsearch時,都會很納悶...
- 為什麼我存儲的一句話,卻查詢不到?
- 為什麼我輸入了漢語單詞,隻能一個字一個字的比對?
- 為什麼我的url查詢不到?
等等,這些都與是否分詞、使用什麼分詞器有關。
首先說說什麼是分詞器吧! 比如 我愛你中國
!
我愛你中國
如果是标準分詞器,會把它拆分成,“我”,“愛”,“你”,“中”,“國”。
如果使用一些漢語的分詞器,則會分析成,“我”,“愛”,“你”,“中國”。
由于反向索引都是以詞Term為索引的,是以如果分解成了一個一個的詞,查詢
“中國”
的時候,中國也會被分解成
“中”
,
“國”
,這樣就可能誤差到
”開發中國家“
這樣的詞。
再說說Elasticsearch中的分詞器吧!
不光是在索引文檔(把資料導入到Elasticsearch中),在查詢的時候也需要分詞器。隻有索引和查詢的時候使用相同的分詞器,才能查詢出正确的結果。
但是有時候,我們并不想把一串String給分析,想把它當做一個完整的詞。比如
-
www.baidu.com
-
吉林省 長春市 衛星路 6543号
此時,隻要設定字段為不分析,就可以了。這時需要自定義下映射,因為預設String就是分析的,而且使用的是标準分詞器。
準備工作
先建立一個索引
curl -XPUT localhost:9200/abc
然後定義映射,注意:隻有剛剛建立、還沒有任何資料的索引,才能定義映射。定義映射Mapping可以使用_mapping RESTAPI,符合下面的标準文法:
curl -XPUT localhost:9200/索引名稱/類型名稱/_mapping?pretty -d '{"類型名稱":{"properties":{"字段名稱":{"type":"字段類型","store":"是否存儲","index":"索引方式、是否分析"}}}}'
比如,其中str1為String類型不分析;其他的字段str2為預設配置,就不用設定了。
curl -XPUT localhost:9200/abc/abc/_mapping?pretty -d '{"abc":{"properties":{"str1":{"type":"string","index":"not_analyzed"}}}}'
然後添加兩條資料:
curl localhost:9200/abc/abc?pretty -d '{"str1":"hello, world!","str2":"goodbye! world"}'
{
"_index" : "abc",
"_type" : "abc",
"_id" : "AVM2vRQgJmh5lL1r79nv",
"_version" : 1,
"created" : true
}
curl localhost:9200/abc/abc?pretty -d '{"str1":"hello","str2":"world"}' {
"_index" : "abc",
"_type" : "abc",
"_id" : "AVM2vbbqJmh5lL1r79nw",
"_version" : 1,
"created" : true
}
分析的String如何查詢
如果查詢的單個詞,分詞的字段可以使用term進行查詢,如下所示:如果查詢的是一個單獨的詞,那麼會傳回包含它或者等于它的目标文檔。
curl -XPOST localhost:9200/abc/_search?pretty -d '{"query":{"term":{"str2":"world"}}}'
{
"took" : 1,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 2,
"max_score" : 0.5945348,
"hits" : [ {
"_index" : "abc",
"_type" : "abc",
"_id" : "AVM2vbbqJmh5lL1r79nw",
"_score" : 0.5945348,
"_source":{"str1":"hello","str2":"world"}
}, {
"_index" : "abc",
"_type" : "abc",
"_id" : "AVM2vRQgJmh5lL1r79nv",
"_score" : 0.37158427,
"_source":{"str1":"hello, world!","str2":"goodbye! world"}
} ]
}
}
不分析的String如何查詢
如果字段是不分詞的,而查詢的是這個字段裡面的一個詞,那麼使用term時無法查詢到目标文檔的。
$ curl -XPOST localhost:9200/abc/_search?pretty -d '{"query":{"term":{"str1":"hello"}}}'
{
"took" : 1,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 1.0,
"hits" : [ {
"_index" : "abc",
"_type" : "abc",
"_id" : "AVM2vbbqJmh5lL1r79nw",
"_score" : 1.0,
"_source":{"str1":"hello","str2":"world"}
} ]
}
}
使用term查詢,如果該字段是不分詞,隻有完整的輸入目标字段,才能正确的比對。
curl -XPOST localhost:9200/abc/_search?pretty -d '{"query":{"term":{"str1":"hello, world!"}}}'
{
"took" : 2,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 1.0,
"hits" : [ {
"_index" : "abc",
"_type" : "abc",
"_id" : "AVM2vRQgJmh5lL1r79nv",
"_score" : 1.0,
"_source":{"str1":"hello, world!","str2":"goodbye! world"}
} ]
}
}
總結
對于分詞的字段:
1 如果查詢的是單個詞,則查詢到包含它的文檔,傳回結果與比對程度有關
2 如果查詢的是一段能被分析的話,比如
hello world
。那麼查詢的結果是包含分析得出的詞的文檔,即包含
hello
和
world
的全部文檔。
對于不分詞的字段:
隻有查詢的是 目标字段的精确值,才能比對。
作者:xingoo
出處:http://www.cnblogs.com/xing901022
本文版權歸作者和部落格園共有。歡迎轉載,但必須保留此段聲明,且在文章頁面明顯位置給出原文連接配接!