跳到主要内容

fields(多字段)

以不同方式索引同一字段以用于不同目的通常很有用。这就是多字段(multi-fields)的用途。例如,一个 string 字段可以映射为用于全文搜索的 text 字段,以及用于排序或聚合的 keyword 字段:

PUT my-index-000001
{
"mappings": {
"properties": {
"city": {
"type": "text",
"fields": {
"raw": {
"type": "keyword"
}
}
}
}
}
}

# city.raw 字段是 city 字段的 keyword 版本
# city 字段可用于全文搜索
# city.raw 字段可用于排序和聚合
PUT my-index-000001/_doc/1
{
"city": "New York"
}

PUT my-index-000001/_doc/2
{
"city": "York"
}

GET my-index-000001/_search
{
"query": {
"match": {
"city": "york"
}
},
"sort": {
"city.raw": "asc"
},
"aggs": {
"Cities": {
"terms": {
"field": "city.raw"
}
}
}
}

你可以使用更新映射 API 向现有字段添加多字段。

如果在添加多字段时索引(或数据流)已包含文档,这些文档将不会拥有新多字段的值。你可以使用按查询更新 API填充新的多字段。

多字段的映射与父字段的映射完全分离。多字段不会从其父字段继承任何映射选项。多字段不会更改原始 _source 字段。

使用多种分析器的多字段​

多字段的另一个用例是以不同方式分析同一字段以获得更好的相关性。例如,我们可以使用将文本拆分为单词的 standard 分析器索引一个字段,并再次使用将单词词干化为根形式的 english 分析器索引它:

PUT my-index-000001
{
"mappings": {
"properties": {
"text": {
"type": "text",
"fields": {
"english": {
"type": "text",
"analyzer": "english"
}
}
}
}
}
}

# text 字段使用 standard 分析器
# text.english 字段使用 english 分析器
# 索引两个文档,一个包含 fox,另一个包含 foxes
PUT my-index-000001/_doc/1
{
"text": "quick brown fox"
}

PUT my-index-000001/_doc/2
{
"text": "quick brown foxes"
}

# 查询 text 和 text.english 字段并合并评分
GET my-index-000001/_search
{
"query": {
"multi_match": {
"query": "quick brown foxes",
"fields": ["text", "text.english"],
"type": "most_fields"
}
}
}

text 字段在第一个文档中包含词元 fox,在第二个文档中包含 foxes。text.english 字段对两个文档都包含 fox,因为 foxes 被词干化为 fox。

查询字符串也会由 standard 分析器为 text 字段分析,并由 english 分析器为 text.english 字段分析。词干化字段允许对 foxes 的查询也匹配只包含 fox 的文档。这使我们可以匹配尽可能多的文档。同时查询未词干化的 text 字段,可以提高精确匹配 foxes 的文档的相关性得分。

原文链接