Elasticsearch实现类似 like '?%' 搜索

 

在做搜索的时候，下拉联想词的搜索肯定是最常见的一个场景，用户在输入的时候，要自动补全词干，说得简单点，就是以...开头搜索，如果是数据库，一句SQL就很容易实现，但在elasticsearch如何实现呢？

大家可能会立马想到用elasticsearch自带的suggest功能，确实，在一些初级应用场景，特别是数据量比较少的情况下，suggest可以快速简易的解决问题。

在数据量比较大的时候，性能有待提高，而且遇到复杂场景，suggest就会显得力不从心，看下面一个需求：

1、下拉结果需要根据城市过滤   

2、下拉结果需要根据拼音搜索、首字母搜索、中文拼音混合搜索等

如果使用suggest，是不是无从下手？

下面我介绍另外二种实现的方式，这二种试更加灵活，以上二个问题皆可解决，由于篇幅，我将在其他章节具体讲解拼音+混合搜索。

 

一、基于正则表达式搜索

要点：索引的时候，使用"keyword"作为tokenizer，把整个文本当作一个term。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

curl -XPUT localhost:9200/search_words_index -d '{    "settings" : {       "refresh_interval" : "5s",       "number_of_shards" : 1,       "number_of_replicas" : 1,       "analysis" : {                "analyzer": {                 "myAnalyzer": {                     "type": "custom",                     "tokenizer": "keyword",                     "filter": ["lowercase"]                 }             }        }     },     "mappings": {               "search_words_type": {                       "properties": {                   "words": {                      "type": "string",                      "index": "analyzed",                       "indexAnalyzer" : "myAnalyzer"                                              }                 }             }         }     } }'

搜索的时候，可使用queryStringQuery或者wildcardQuery实现正则表达式查询，啰嗦一句，queryStringQuery与wildcardQuery的区别是，wildcardQuery是一种低级查询，不会进行analyzer的，而queryStringQuery则会，更具体区别的可参考官网资料。

下面以queryStringQuery方式为例进行说明，关键代码：

String reg=/key.*/;

QueryBuilders.queryStringQuery(reg).field("words").analyzer("myAnalyzer"));

这种方式的优点是简单，索引空间占用也不大，效率也还可以，但我更推荐下面的一种式，性能会更佳。

 

二、基于edge-ngram分词法

这种方式是典型的以空间换时间的做法，唯一的缺点是会加大索引开销，索引数据的时间也会加长，但这种开销都是在索引阶段，并不会影响查询阶段，只要有足够的磁盘和内存空间，效率还是很不错的。

要点：索引阶段使用edge-ngram分词，按金字塔式的分割成独立的term。如下：

中华人民共和国

中华人民共和

中华人民共

中华人民

中华人

中华

中

索引如下：

curl -XPUT localhost:9200/search_words_index -d '{
   "settings" : {
      "refresh_interval" : "5s",
      "number_of_shards" : 1,
      "number_of_replicas" : 1,
      "analysis" : {            
           "filter": { 
               "edge_ngram_filter": { 
                    "type": "edge_ngram",
                    "min_gram": 1,
                    "max_gram": 30
 },

"analyzer": {
                "myAnalyzer": {
                    "type": "custom",
                    "tokenizer": "keyword",
                    "filter": ["edge_ngram_filter","lowercase"]
                }
            }
       }
    },
    "mappings": {       
        "search_words_type": {           
            "properties": {   
                "words": {
                     "type": "string",
                     "index": "analyzed",
                      "indexAnalyzer" : "myAnalyzer"                          
                    }
                }
            }
        }
    }
}'

搜索的时候，直接使用term查询，如果比较复杂的情况下，如要按拼音、中文繁体转换等，则使用matchQuery，先对关键字进行一次分析。

QueryBuilders.termQuery("words", key);//低级查询，速度快

或者

QueryBuilders.matchQuery("words", key).analyzer("xxx");//可指定分词器来分析关键字

这种搜索结果保证一定是以..开头，因为在索引阶段就已经把term限定了。

 

注意：以上java代码示例都是基于spring-data-elasticsearch框架。