ElasticSearch: Comportamiento de búsqueda extraño cuando se usa el analizador de bola de nieve

Question

Así que digamos que tengo un índice de elasticsearch definido así:

curl -XPUT 'http://localhost:9200/test' -d '{
  "mappings": {
    "example": {
      "properties": {
        "text": {
          "type": "string",
          "analyzer": "snowball"
        }
      }
    }
  }
}'

curl -XPUT 'http://localhost:9200/test/example/1' -d '{
  "text": "foo bar organization"
}'

Cuando busco "organizaciones de foo" con analizador de bola de nieve, ambas palabras clave coinciden como se esperan:

curl -XGET http://localhost:9200/test/example/_search -d '{
  "query": {
    "text": {
      "_all": {
        "query": "foo organizations",
        "analyzer": "snowball"
      }
    }
  },
  "highlight": {
    "fields": {
      "text": {}
    }
  }
}'

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 0.015912745,
    "hits": [
      {
        "_index": "test",
        "_type": "example",
        "_id": "1",
        "_score": 0.015912745,
        "_source": {
          "text": "foo bar organization"
        },
        "highlight": {
          "text": [
            "<em>foo</em> bar <em>organization</em>"
          ]
        }
      }
    ]
  }
}

Pero cuando busco solo "organizaciones", no obtengo ningún resultado, lo cual es muy raro:

curl -XGET http://localhost:9200/test/example/_search -d '{
  "query": {
    "text": {
      "_all": {
        "query": "organizations",
        "analyzer": "snowball"
      }
    }
  },
  "highlight": {
    "fields": {
      "text": {}
    }
  }
}'

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 0,
    "max_score": null,
    "hits": []
  }
}

Sin embargo, si busco "Barras", aún golpea:

curl -XGET http://localhost:9200/test/example/_search -d '{
  "query": {
    "text": {
      "_all": {
        "query": "bars",
        "analyzer": "snowball"
      }
    }
  },
  "highlight": {
    "fields": {
      "text": {}
    }
  }
}'

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 0.10848885,
    "hits": [
      {
        "_index": "test",
        "_type": "example",
        "_id": "1",
        "_score": 0.10848885,
        "_source": {
          "text": "foo bar organization"
        },
        "highlight": {
          "text": [
            "foo <em>bar</em> organization"
          ]
        }
      }
    ]
  }
}

Supongo que la diferencia entre "Barra" y "Organización" es que la "organización" se debe a "órgano", mientras que "Bar" se debe a sí mismo.Pero, ¿cómo obtengo el comportamiento adecuado para que la segunda búsqueda golpea?

Answer 1

Texto "Foo Bar Organización" se está indexando dos veces, en el campo Texto y en el campo _all .El campo text está utilizando el analizador de bola de nieve, y el campo _all está utilizando el analizador estándar.Por lo tanto, después del análisis del registro de prueba, el campo _all contiene tokens: "foo", "bar" y "organización".Durante la búsqueda, el analizador de bola de nieve especificada se convierte en "foo" en "foo", "barras" en "barra" y "organización" en "órgano".Por lo tanto, las palabras "foo" y "bares" en la consulta coinciden con el registro de prueba y el término "organización" no.El resaltado se realiza según la base de campo de forma independiente de la búsqueda y es por eso que la palabra "organización" se resalta en el primer resultado.

Answer 2

Es mejor usar Analyzer en el índice de tiempo que el tiempo de búsqueda ... Mape su campo de texto al analizador de bolas de nieve y luego Índice.Esto creará algunas fichas para la organización que incluye organizaciones. Funciona para mí