Elasticsearch 8.X 有哪些自动补全的检索方式？
Elasticsearch 8.X 有哪些自动补全的检索方式？
1、自动补全或前缀匹配检索实现效果图
Elasticsearch 能实现自动补全检索的方案很多，可以简单归结为如下几种不同的方案：
- 方案一：
Prefix前缀匹配检索。 - 方案二：
MatchPhrase prefix短语前缀匹配检索。 - 方案三：更细粒度的
ngram分词间接解决前缀匹配检索。 - 方案四：
Search as your type类型。 - 方案五：
Completion Suggest自动补全。
方案一、方案二的样例数据如下所示：
PUT worldcup_index
{
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word",
"fields": {
"keyword": {
"type": "keyword"
}
}
}
}
}
}
POST worldcup_index/_bulk
{"index":{"_id":1}}
{"title":"世界杯-拉莫斯帽子戏法 葡萄牙6-1晋级将战摩洛哥"}
{"index":{"_id":2}}
{"title":"世界杯2022赛程"}
{"index":{"_id":3}}
{"title":"世界杯8强全部出炉！C罗收获大礼，梅西被3大强队包围"}
{"index":{"_id":4}}
{"title":"FIFA世界杯的微博"}
{"index":{"_id":5}}
{"title":"世界杯赛事积分榜及排名"}
{"index":{"_id":6}}
{"title":"世杯界16强决赛对阵表"}
{"index":{"_id":7}}
{"title":"卡塔尔世界杯为什么在冬天"}
2、prefix前缀匹配
2.1 prefix 检索类型范畴
属于 term level 精准匹配的范畴。
2.2 针对字段类型：
- keyword类型。
- 当然 text 也可以，但不够精准，结果可能达不到预期。
POST worldcup_index/_search
{
"profile": true,
"query": {
"prefix": {
"title.keyword": "世界"
}
}
}
检索召回数据结果如下（仅截图最核心部分）：
3、 match_prhase_prefix 检索类型
3.1 检索类型范畴
属于全文检索的范畴。
3.2 针对字段类型
- text 类型。
- 确切说，是实现 text 短语匹配的自动补全功能。
3.3 match_phrase_prefix 短语前缀匹配演示
POST worldcup_index/_search
{
"query": {
"match_phrase_prefix": {
"title": {
"query": "世界"
}
}
}
}
检索召回数据结果如下（仅截图最核心部分）：
3.4 match_phrase_prefix 检索核心实现
实则为：MultiPhraseQuery 实现“世界”、“世”、“界”的组合检索。
有同学可能会问：“世界 世 界” 三个分词单元怎么来的？
看这里，和 analyzer 分词有关系，我们的字段 title 设置的是 text 类型，选择的分词器：ik_max_word 分词器。
4、更细粒度分词器解决自动补全检索
之前咱们讲过，也是大家常见的问题，比如：手机号的自动补全检索问题。
可以看一下之前的视频：
这种传统的分词和咱们上面讲过的两种检索方式都不灵。怎么办？
需要自定义分词来实现。
4.1 自定义分词实现
PUT phone_index
{
"settings": {
"analysis": {
"analyzer": {
"autocomplete": {
"tokenizer": "autocomplete",
"filter": [
"lowercase"
]
}
},
"tokenizer": {
"autocomplete": {
"type": "edge_ngram",
"min_gram": 2,
"max_gram": 20
}
}
}
},
"mappings": {
"properties": {
"phone_number": {
"type": "text",
"analyzer": "autocomplete"
}
}
}
}
POST phone_index/_analyze
{
"field": "phone_number",
"analyzer": "autocomplete",
"text": [
"18366669999"
]
}
如上 analyze 分词结果为：
导入数据
POST phone_index/_bulk
{"index":{"_id":1}}
{"phone_number":"18366669999"}
{"index":{"_id":2}}
{"phone_number":"18311112222"}
{"index":{"_id":3}}
{"phone_number":"18333332222"}
{"index":{"_id":4}}
{"phone_number":"18255552222"}
执行检索
POST phone_index/_search
{
"profile": true,
"query": {
"match_phrase_prefix": {
"phone_number": "183"
}
}
}
- 自定义分词实现自动补全检索的优点：空间换时间，针对极大数据量检索依然会很快。
- 缺点：1、写入效率低；2、磁盘空间耗费大。
5、search_as_your_type 检索方案
5.1 search_as_your_type 数据类型介绍
search_as_your_type 字段类型（7.2 版本之后才有的功能）是一个类似文本的字段，经过优化以提供开箱即用的支持，用于完成自动补全的查询。
支持前缀完成（即匹配从输入开头开始的术语）和中缀完成（即匹配输入中任何位置的术语）的检索。
5.2 search_as_your_type 初探
search_as_your_type 字段本质上支持四种不同的分词。
- 第一种：标准 standard 分词器，单字为一个分词单元；
- 第二种：_2gram 分词器，两个单词为一个分词单元；
- 第三种：_3gram 分词器，三个单词为一个分词单元；
- 第四种：_index_prefix 分词器，前缀、中缀分词方式。
以“世界杯的微博”文档为例，各种不同类型的分词结果如下：
5.3 search_as_your_type 实战
如下检索方式使用了：multi_match 和 bool_prefix 检索结合"title"、“title._2gram”、"title._3gram"、“title._index_prefix”多字段检索的方式。
这几个字段的最终检索结果基于 most_fields 方式求和得到总的评分。
实际业务层面根据需要选择字段即可。
POST world_cup_index_1207/_search
{
"query": {
"multi_match": {
"query": "世界",
"type": "bool_prefix",
"fields": [
"title",
"title._2gram",
"title._3gram",
"title._index_prefix"
]
}
}
}
对比可以看出，这种检索方式非常的灵活。
6、自动补全建议 suggesters 检索
6.1 Elasticsearch suggesters 介绍
Suggesters 是 Elasticsearch 中的高级解决方案，可根据用户的输入的文本返回外观相似的短语。Suggesters 可以实现类似：检索时提示、用户搜索词联想或校验等功能。
相比于前四种实现方式，这种方式“根正苗红”，更加的适合实现企业级的自动补全检索。
6.2 Elasticsearch completion suggest 用法
创建索引及构造数据如下：
- 首先，需要在索引中添加一个 suggest 字段。如下代码的 suggest 字段，该字段将保存要提供的补全建议。
- 然后，写入数据。同时指定input 文本和 weight 权重。input 代表补全建议的文本信息；weight 代表权重，权值越大，计算的评分越高；反之，则相反。
PUT worldcup_suggest_index
{
"mappings": {
"properties": {
"title": {
"type": "keyword"
},
"suggest": {
"type": "completion"
}
}
}
}
PUT worldcup_suggest_index/_bulk
{"index":{"_id":1}}
{"suggest":[{"input":["世界杯2022赛程"],"weight":3}]}
{"index":{"_id":2}}
{"suggest":[{"input":["世界杯赛事积分榜及排名"],"weight":2}]}
{"index":{"_id":3}}
{"suggest":[{"input":["FIFA世界杯的微博"],"weight":1}]}
{"index":{"_id":4}}
{"suggest":[{"input":["世界杯2022赛程"],"weight":1}]}
- 最后，使用 Elasticsearch 的自动补全 API 来获取补全建议。
POST worldcup_suggest_index/_search
{
"suggest": {
"worldcup-suggest": {
"prefix": "世界",
"completion": {
"field": "suggest"
}
}
}
}
我们推荐结果有重复数据，如何去重呢？
这个问题业务层面也经常遇到。completion 借助参数：
"skip_duplicates" : true
实现推荐结果数据的去重。
7、小结
关于Elasticsearch 8.X 能实现自动补全，本文提供了五种不同的方案。几种方案的对比概括如下：
解决企业级业务问题，远不止这几种方案。
你有没有遇到自动补全问题，用什么方案解决的？
欢迎留言讨论。
本文分享自 铭毅天下Elasticsearch 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体分享计划 ，欢迎热爱写作的你一起参与！