Elasticsearch實現相似 like '?%' 搜索

在作搜索的時候，下拉聯想詞的搜索確定是最多見的一個場景，用戶在輸入的時候，要自動補全詞幹，說得簡單點，就是以...開頭搜索，若是是數據庫，一句SQL就很容易實現，但在elasticsearch如何實現呢？

你們可能會立馬想到用elasticsearch自帶的suggest功能，確實，在一些初級應用場景，特別是數據量比較少的狀況下，suggest能夠快速簡易的解決問題。

在數據量比較大的時候，性能有待提升，並且遇到複雜場景，suggest就會顯得力不從心，看下面一個需求：

一、下拉結果須要根據城市過濾   

二、下拉結果須要根據拼音搜索、首字母搜索、中文拼音混合搜索等

若是使用suggest，是否是無從下手？

下面我介紹另外二種實現的方式，這二種試更加靈活，以上二個問題皆可解決，因爲篇幅，我將在其餘章節具體講解拼音+混合搜索。

 

1、基於正則表達式搜索

要點：索引的時候，使用"keyword"做爲tokenizer，把整個文本看成一個term。

curl -XPUT localhost:9200/search_words_index -d '{
   "settings" : {
      "refresh_interval" : "5s",
      "number_of_shards" : 1,
      "number_of_replicas" : 1,
      "analysis" : {            
	"analyzer": {
                "myAnalyzer": {
                    "type": "custom",
                    "tokenizer": "keyword",
                    "filter": ["lowercase"]
                }
            }
       }
    },
    "mappings": {       
        "search_words_type": {           
            "properties": {   
                "words": {
                     "type": "string",
                     "index": "analyzed",
					  "indexAnalyzer" : "myAnalyzer"                          
					}
                }
            }
        }
    }
}'

搜索的時候，可以使用queryStringQuery或者wildcardQuery實現正則表達式查詢，囉嗦一句，queryStringQuery與wildcardQuery的區別是，wildcardQuery是一種低級查詢，不會進行analyzer的，而queryStringQuery則會，更具體區別的可參考官網資料。

下面以queryStringQuery方式爲例進行說明，關鍵代碼：

String reg=/key.*/;

QueryBuilders.queryStringQuery(reg).field("words").analyzer("myAnalyzer"));

這種方式的優勢是簡單，索引空間佔用也不大，效率也還能夠，但我更推薦下面的一種式，性能會更佳。

 

2、基於edge-ngram分詞法

這種方式是典型的以空間換時間的作法，惟一的缺點是會加大索引開銷，索引數據的時間也會加長，但這種開銷都是在索引階段，並不會影響查詢階段，只要有足夠的磁盤和內存空間，效率仍是很不錯的。

要點：索引階段使用edge-ngram分詞，按金字塔式的分割成獨立的term。以下：

中華人民共和國

中華人民共和

中華人民共

中華人民

中華人

中華

中

索引以下：

curl -XPUT localhost:9200/search_words_index -d '{
   "settings" : {
      "refresh_interval" : "5s",
      "number_of_shards" : 1,
      "number_of_replicas" : 1,
      "analysis" : {            
           "filter": { 
               "edge_ngram_filter": { 
                    "type": "edge_ngram",
 "min_gram": 1,
 "max_gram": 30
 },

"analyzer": {
                "myAnalyzer": {
                    "type": "custom",
                    "tokenizer": "keyword",
                    "filter": ["edge_ngram_filter","lowercase"]
                }
            }
       }
    },
    "mappings": {       
        "search_words_type": {           
            "properties": {   
                "words": {
                     "type": "string",
                     "index": "analyzed",
                      "indexAnalyzer" : "myAnalyzer"                          
                    }
                }
            }
        }
    }
}'

搜索的時候，直接使用term查詢，若是比較複雜的狀況下，如要按拼音、中文繁體轉換等，則使用matchQuery，先對關鍵字進行一次分析。

QueryBuilders.termQuery("words", key);//低級查詢，速度快

或者

QueryBuilders.matchQuery("words", key).analyzer("xxx");//可指定分詞器來分析關鍵字

這種搜索結果保證必定是以..開頭，由於在索引階段就已經把term限定了。

 

注意：以上java代碼示例都是基於spring-data-elasticsearch框架。