match_phrase 跨值查询中 position_increment_gap 参数用法

2023-05-31 80

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： match_phrase 跨值查询中 position_increment_gap 参数用法

1、概述

在 ES 中进行短语搜索的时候，为了防止跨值访问，ES 会在每个值之间设置间隙，而这个间隙的默认大小为 100。而这个值也就是 position_increment_gap。

那么什么是跨值访问呢？

2、match_phrase 短语搜索

首先我们要理解 match_phrase 的匹配逻辑，match_phase 的匹配需要遵循以下三个条件

match_phrase 会对搜索短语分词（误区）

目标文档需要包含短语分词结果中所有词项

目标文档中匹配的所有词项必须和搜索短语完全相同，切顺序也必须完全相同

目标文档中匹配的所有词项中不能有任何其他不匹配项。

比如，搜索短语：that's a good question

那么以下文档均不符合短语搜索的要求，（暂不考虑文档归一化问题，即语气词通用的情况）

yes or no, that’s a question 。

yes or no, that’s good a question

yes or no, that’s a difficult question

yes or no, that’s a difficult good question

短语搜索是对短语分词的，这一点是一个非常容易踩坑的误区，很多人对短语搜索的理解就是文档中包含完整的短语，岁然从搜素结果上看的确是这样的，但是匹配逻辑却不失这样的。这一点需要格外的注意

3、跨值访问

3.1 问题演示

假设我们的 es 集群中存储了以下索引

PUT position_increment_gap_index/_doc/1
{
  "mappings" : {
    "properties" : {
      "title" : {
        "type"   : "text" // slop 默认 100
      }
    }
  }
}

为索引写入一条数据

POST /position_increment_gap_index/_doc/1
{
  "title" : ["elastic org cn", "www elastic co"]
}

当我们对title进行短语搜索的时候，如果符合短语搜索的要求，是可以正常搜索到结果的，比如搜索elastic org cn

GET position_increment_gap_index/_search
{
  "query": {
    "match_phrase": {
      "title": {
        "query": "elastic org cn"
      }
    }
  }
}

结果如下

注意

当我们搜索的短语跨越了多个值的时候，比如搜索短语为：org cn www elastic

GET position_increment_gap_index/_search
{
  "query": {
    "match_phrase": {
      "title": {
        "query": "org cn www elastic"
      }
    }
  }
}

此时是搜索不到任何数据的，如下图所示，

3.2 原因

因为 ES 为了防止短语跨多个值访问，在每个值之间设置了默认为 100 的 slot 间隔。目的就是为了避免跨值访问。

3.3 解决方案

如果我们希望短语搜索可以跨越多个值进行访问，可以配置 slot 的值只需大于等于配置的值（默认 100）即可。

比如：slop 配置 100 有数据

GET position_increment_gap_index/_search
{
  "query": {
    "match_phrase": {
      "title": {
        "query": "org cn www elastic",
        "slop": 100
      }
    }
  }
}

结果如下：

3.4 position_increment_gap 参数

当然我们可以通过position_increment_gap参数，人为的配置字段多个值 slop 的值。

下面分别配置了slop默认 100，以及slop为 0 和slop为 10 的两个子字段。

PUT position_increment_gap_index
{
  "mappings" : {
    "properties" : {
      "title" : {
        "type"   : "text", // slop 默认 100
        "fields" : {
          "slop_0" : {
            "type": "text",
            "position_increment_gap" : 0
          },
          "slop_10" : {
            "type": "text",
            "position_increment_gap" :10
          }
        }
      }
    }
  }
}

mapping 创建成功之后，再次写入 3.1 小节中的测试数据，然后对 slot_0 执行同样的查询，因为 slop 配配置为了 0，所以可以直接得出数据。

GET position_increment_gap_index/_search
{
  "query": {
    "match_phrase": {
      "title.slop_0": {
        "query": "org cn www elastic"
      }
    }
  }
}

同样，对 slop_10进行跨值查询。需要设置指定 slop: 10 以上才有数据

GET position_increment_gap_index/_search
{
  "query": {
    "match_phrase": {
      "title.slop_10": {
        "query": "org cn www elastic",
        "slop": 10
      }
    }
  }
}