match_phrase 跨值查询中 position_increment_gap 参数用法

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

3.png


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,

4.jpeg


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:

5.jpeg


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
      }
    }
  }
}
相关文章
|
5月前
|
自然语言处理 Go 索引
startOffset must be non-negative, and endOffset must be >= startOffset, and offsets must not go backwards startOffset=615,endOffset=617,lastStartOffset=616 for field 'convContent.content'
【7月更文挑战第4天】startOffset must be non-negative, and endOffset must be >= startOffset, and offsets must not go backwards startOffset=615,endOffset=617,lastStartOffset=616 for field 'convContent.content'
|
存储 算法 关系型数据库
explain中key_len的作用
还在等什么,快来一起讨论关注吧,公众号【八点半技术站】,欢迎加入社群
explain中key_len的作用
|
前端开发 JavaScript 测试技术
【译】索引作为键是一种反模式(Index as a key is an anti-pattern)
【译】索引作为键是一种反模式(Index as a key is an anti-pattern)
105 0
【译】索引作为键是一种反模式(Index as a key is an anti-pattern)
|
存储 SQL 关系型数据库
mysql索引类型 normal, unique, full text
mysql索引类型 normal, unique, full text
256 0
LeetCode之Search Insert Position
LeetCode之Search Insert Position
101 0
使用 VLOOKUP、INDEX 或 MATCH 查找值
使用 VLOOKUP、INDEX 或 MATCH 查找值
1012 0