Elasticsearch属性单词常用解析说明

首先我们需要了解Elasticsearch中文本字段索引的概念。在Elasticsearch中，文本字段需要通过分析器进行预处理，生成数字或字符串类型数据才能进行索引和查询。分析器会将文本字段拆分成多个单词，然后对这些单词进行解析、标准化，最后生成索引的词条。

以下是常用的属性单词和它们的解析说明：

• analyzer：指定分析器，用于预处理文本。默认值是 standard，即标准分析器。可以使用其他类型的分析器，如 whitespace、simple、keyword、pattern等。通过指定合适的分析器，可以得到更好的索引效果。
• text：指定文本字段的类型。如果不指定类型，则默认为 text。它将内容作为文本进行索引，进行分词、小写转换等处理。
• keyword：指定关键字字段的类型。它将内容作为一个整体进行索引，通常用于存储结构化的数据，例如ID、邮政编码等。
• analyzer 和 search_analyzer： analyzer用于指定文本字段的索引分析器，search_analyzer用于查询时分析的分析器。通过指定不同的分析器，可以获得更好的查询效果。
• term_vector：指定一个字段的向量表示形式。需要注意的是，term向量可能会导致索引的大小增加很多，对索引的性能会产生影响。
• store：该属性用于指定索引时是否保存字段数据。一般来说，不需要在索引中保存文本字段的原始内容，因为这会导致索引的大小增加很多，影响索引性能。
• fields：允许用户在同一个文档中创建多个字段，并为每个字段指定不同的分析器和查询方式。对于包含大量结构化数据的文本字段，这是一种非常有用的功能。

下面是两个示例说明：

例1：使用 analyzer属性自定义分析器

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

在这个示例中，我们自定义了一个名为 my_analyzer 的分析器，用于对 title 字段预处理文本。使用自定义的分析器可以让我们更好地处理特定的文本内容。

例2：使用 fields属性定义多个分析器

{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword"
          },
          "custom_analyzer": { 
            "type": "text",
            "analyzer": "ik_smart"
          }
        }
      }
    }
  }
}

在这个示例中，我们为 title 字段定义了两个不同的分析器：keyword 和 custom_analyzer。这使得我们可以同时处理结构化数据和非结构化文本数据。