elasticsearch 学习笔记3

elasticsearch的基础数据类型详细了解看： Elasticsearch数据类型及其属性 - 简书

学习过程中对于一些字段不太了解，所以查了一下

"cityCode":{
	"type": "text", //text 类型：当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型
		"fields":{ //fields：可以对一个字段提供多种索引模式，同一个字段的值，一个分词，一个不分词
			"keyword":{
				"type":         "keyword", //keyword类型的字段只能通过精确值搜索到。
				"ignore_above": 256      //ignore_above超过256个字符的文本，将会被忽略，不被索引
			}
		}
    "analyzer": "pinyin_analyzer" //analyzer：指定分词器，默认分词器为standard analyzer
	"search_analyzer": "ik_smart" //search_analyzer：设置搜索时的分词器，默认跟analyzer是一致的，比如index时用standard+ngram，搜索时用standard用来完成自动提示功能
				
}

比较重要的：analyzer、search_analyzer 是实现搜索的关键

analyzer 和 search_analyzer 的区别：
1，分词器 analyzer 的作用有二：
        一是 插入文档时，将 text 类型字段做分词，然后插入 倒排索引。
        二是 在查询时，先对 text  类型输入做分词， 再去倒排索引搜索。
2，如果想要“索引”和“查询”， 使用不同的分词器，那么 只需要在字段上 使用 search_analyzer。这样，索引只看 analyzer，查询就看 search_analyzer。

analyzer是分词器，可以看：Elasticsearch之analysis_花&败-CSDN博客

使用之前先了解一下分词的基本原理，各个分词的规则。上图是es的内置分词器（我现在没有用到英语查询，所以主要看汉语）

 standard分词器会将每个字进行分割，即包含“阿”、“莫”、“西”、“林” 的结果都会返回。会查出来一堆感冒灵、盘尼西林之类的。 其他的就不一一展示了，基本一样

我用到了拼音分词器和ik分词器，这两个需要下载

ik分词器算是一种进阶版，会进行智能一点的分词，同样是 阿莫西林，用ik分词会获取这样的数据

 它会将“阿莫西林”分成“阿”、“莫西”、“西林”、“阿莫西林”，算是关键字的关键字。再搜索阿莫西林时就不会出现感冒灵、盘尼西林这种东西了。

拼音分词器可以实现用简拼搜索，或者不用汉字，用拼音搜索，例如搜索 “阿莫西林” ，可以用 “amxl” 、“a mo xi lin”或者 “amoxilin” 

拼音分词器的源代码:GitHub - medcl/elasticsearch-analysis-pinyin: This Pinyin Analysis plugin is used to do conversion between Chinese characters and Pinyin.https://github.com/medcl/elasticsearch-analysis-pinyin

里面有设置的参数和示例

**可选参数**

• keep_first_letter当此选项启用时，例如:刘德华>ldh，默认值:真
• keep_separate_first_letter当此选项启用时，将保持首字母分开，例如:刘德华>l,d,h，默认值:false，注意:由于术语过于频繁，查询结果可能过于模糊
• limit_first_letter_length设置first_letter结果的最大长度，默认值:16
• keep_full_pinyin当此选项启用时，例如:刘德华> [liu,de,hua]，默认值:真
• keep_joined_full_pinyin当此选项启用时，例如:刘德华> [liudehua]，默认值:false
• keep_none_chinese在结果中保留非中文字母或数字，默认值:true
• keep_none_chinese_together将非中文字母放在一起，默认:true，例如:DJ音乐家 -> DJ,yin,yue,jia，当设置为时false，例如:DJ音乐家 -> D,J,yin,yue,jia，注意:keep_none_chinese应首先启用
• keep_none_chinese_in_first_letter将非中文字母放在第一个字母中，例如:刘德华AT2016->ldhat2016，默认值:真
• keep_none_chinese_in_joined_full_pinyin保持非中文字母的完整拼音，例如:刘德华2016->liudehua2016，默认值:false
• none_chinese_pinyin_tokenize如果是拼音，将非中文字母拆分成单独的拼音项，默认:true，例如:liudehuaalibaba13zhuanghan -> liu,de,hua,a,li,ba,ba,13,zhuang,han，注意:keep_none_chinese和keep_none_chinese_together应首先启用
• keep_original启用此选项时，也将保留原始输入，默认值:false
• lowercase小写非中文字母，默认:true
• trim_whitespace默认值:真
• remove_duplicated_term启用此选项后，重复的术语将被删除以保存索引，例如:de的>de，默认值:false，注意:职位相关查询可能会受到影响
• ignore_pinyin_offset在6.0之后，偏移被严格约束，不允许重叠标记，使用该参数，通过忽略偏移将允许重叠标记，请注意，所有与位置相关的查询或突出显示将变得不正确，您应该使用多个字段并为不同的查询目的指定不同的设置。如果需要偏移，请将其设置为false。默认值:true。

然后就是将他们两个组合起来使用，我参考了Elasticsearch之analysis_花&败-CSDN博客 和Elasticsearch拼音分词插件安装和使用_Sunny Feng的博客-CSDN博客 这两位的方法，最后就像这样：

	"settings": {
		"index": {
			"analysis": {
				"analyzer": {
					"pinyin_analyzer": {
						"tokenizer": "ik_max_word",
						"filter":    "my_pinyin",
					},
				},
				"filter": {
					"my_pinyin": {
						"type":                       "pinyin",
						"keep_separate_first_letter": false,
						"keep_full_pinyin":           true,
						"keep_joined_full_pinyin":    false,
						"keep_original":              true,
						"limit_first_letter_length":  20,
						"lowercase":                  true,
						"remove_duplicated_term":     true,
					},
				},
			},
		},
	}

在建表的时候把这一串加进去，同时在要执行搜索的字段下面加：

"productName":{
	"type":            "text",
	"analyzer":        "pinyin_analyzer",
},

然后查看：

 然后就可以用拼音和汉字同时查了