Häufig gestellte Fragen und Lösungen bei der Arbeit mit alphanumerischen gemischten Daten mit Elasticsarch

Wie bereits erwähnt, kann Elasticsearch möglicherweise auf Probleme stoßen, dass sie bei Daten mit alphanumerischen Gemischen effektiv reine numerische Sequenzen abrufen können. Dies wird normalerweise durch die Verwendung eines Analysators in der Indexkonfiguration verursacht, die die Zahlen beseitigt. Um dieses Problem zu lösen, müssen wir den Rechts-Tokenizer wie Edge-Gramm oder Standardanalysator auswählen.

Problemanalyse

In Elasticsearch ist Analyzer dafür verantwortlich, den Text zur Indexierung und Suche in Token zu zerlegen. Unterschiedliche Analysatoren verwenden unterschiedliche Tokenizer, Token -Filter und Zeichenfilter. Wenn der Analysator nicht ordnungsgemäß konfiguriert ist, kann die Nummer entfernt werden, was zur Suche durch die Nummer führt.

Wenn beispielsweise das Standardfeld einen Analysator (z. B. einen einfachen Analysator) verwendet, der die Nummer entfernt, wird der "111" -Teil verworfen, wenn das Dokument, das "AA111" enthält, indiziert wird. Bei der Suche nach "111" kann Elasticsearch das Dokument nicht finden.

Lösung

Um dieses Problem zu lösen, müssen Sie einen Tokenizer auswählen, der die Zahlen nicht entzieht. Hier sind zwei häufig verwendete Lösungen:

1. Verwenden Sie Standardanalysator:

Standardanalysator ist einer der am häufigsten verwendeten Analysatoren in Elasticsarch. Es verwendet Standard -Tokenizer und entfernt keine Zahlen. Wenn Sie den Analysator des Standardfelds auf Standard einstellen, können Sie das Problem lösen, nicht nach Zahlen zu suchen.

 "Standard" : {
  "Typ": "Text",
  "Analyzer": "Standard",
  "Search_analyzer": "Standard"
},

2. Verwenden Sie den Rand-Gramm-Tokenizer:

Edge-Gramm-Tokenizer unterteilt den Text von Anfang an in N-Gramm. Zum Beispiel kann für "AA111" Edge-Gram-Tokenzüchter Token wie "A", "AA", "AA11", "AA11", "AA111" usw. generieren, indem Sie mit Edge-Gram-Tokenizer, Präfix-Suche und Fuzzy-Suche implementiert werden.

Um Edge-Gram-Tokenizer zu verwenden, müssen Sie zunächst einen benutzerdefinierten Analysator erstellen:

 "Einstellungen": {
  "Analyse": {
    "Analyzer": {{
      "my_edge_gram_analyzer": {
        "Typ": "Custom",
        "Tokenizer": "my_edge_gram_tokenizer"
      }
    },
    "Tokenizer": {
      "my_edge_gram_tokenizer": {
        "Typ": "Edge_gram",
        "min_gram": 1,,
        "max_gram": 10,
        "token_chars": [
          "Brief",
          "Ziffer"
        ]
      }
    }
  }
}

Setzen Sie dann den Analysator des Standardfelds auf den benutzerdefinierten my_edge_gram_analyzer:

 "Standard" : {
  "Typ": "Text",
  "Analyzer": "my_edge_gram_analyzer",
  "Search_analyzer": "Standard"
},

Anmerkungen:

• Bei Verwendung von Edge-Gram-Tokenizer müssen die Parameter von min_gram und max_gram gemäß den tatsächlichen Bedingungen eingestellt werden.
• Es wird empfohlen, bei der Indexierung und beim Standardanalysator bei der Suche die Suchleistung zu verwenden.

Zusammenfassen

Wenn Sie Elasticsearch verwenden, um alphanumerische Mischdaten zu verarbeiten, müssen Sie den entsprechenden Analysator auswählen, um sicherzustellen, dass die Zahlen korrekt indiziert und gesucht werden können. Standard-Analysator und Rand-Gramm-Tokenizer sind gemeinsame Lösungen. Welche die gewählte Lösung zu wählen ist, hängt vom spezifischen Anwendungsszenario und den Anforderungen ab. Durch die Einführung dieses Artikels glaube ich, dass die Leser den Analysatormechanismus von Elasticsearch besser verstehen und die Probleme lösen können, die bei der Verarbeitung alphanumerischer gemischter Daten auftreten.

Das obige ist der detaillierte Inhalt vonHäufig gestellte Fragen und Lösungen bei der Arbeit mit alphanumerischen gemischten Daten mit Elasticsarch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!