Elasticsearch 如何处理 Aggs 顺序中的大写字母和小写字母？

Elasticsearch 排序允许你根据特定条件对搜索结果进行排序。 然而，在排序时处理区分大小写时，Elasticsearch 将大写和小写字母视为不同的字符，分别对它们进行排序。 这是因为 ASCII 表顺序是从大写 A 到小写 z。

默认情况下，Elasticsearch 按以下顺序对字符串进行排序：首先是数字，然后是大写字母，最后是小写字母。 例如，如果您有术语 “Apple”、“apple”、“banana”、“Carrot” 和 “1apple”，它们将按升序排序为“1apple”、“Apple”、“Carrot”、“ apple”、“banana”。

POST /test_casing/_bulk
{ "index" : {} }
{ "my_field" : "Apple" }
{ "index" : {} }
{ "my_field" : "apple" }
{ "index" : {} }
{ "my_field" : "banana" }
{ "index" : {} }
{ "my_field" : "Carrot" }
{ "index" : {} }
{ "my_field" : "1apple" }

这种默认行为可能并不总是令人满意。 例如，如果你对值 “Apple”、“banana” 和 “Carrot” 建立了索引，并且使用升序排列，那么你将得到 “Apple”、“Carrot” 和“banana”。 但是，你可能想要 “Apple”、“banana”、“Carrot”。

为此，你可以使用 Elasticsearch 中称为规范化器（normalizer）的功能。 规范化器与关键字字段类型一起使用，允许你以类似于分析文本的方式预处理关键字字段的输入。

然而，与分析器不同，规范化器不会将输入分解为标记。 这使得它适合需要对整个输入进行索引或排序的关键字字段类型。

PUT /test_casing2
{
  "settings": {
    "analysis": {
      "normalizer": {
        "my_normalizer": {
          "type": "custom",
          "filter": [
            "lowercase"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "my_field": {
        "type": "keyword",
        "normalizer": "my_normalizer"
      }
    }
  }
}

POST /test_casing2/_bulk
{"index":{}}
{"my_field":"Apple"}
{"index":{}}
{"my_field":"apple"}
{"index":{}}
{"my_field":"banana"}
{"index":{}}
{"my_field":"bananA"}
{"index":{}}
{"my_field":"Carrot"}

需要注意的是，使用标准化器会改变索引中的值。 如果你想保留原始值，例如带有大写 “A” 的 “Apple”，你可以使用子字段（sub-fields）。 这允许你保留原始字段值和标准化字段值。 在聚合结果中，Elasticsearch 将仅显示你在聚合中使用的字段。

不幸的是，Elasticsearch 不支持直接在术语聚合中进行不区分大小写的排序。 即使使用脚本聚合和标准化器，也不可能以不区分大小写的方式排序并区分大小写地显示结果。 这是用户在使用 Elasticsearch 时应该注意的限制。

如何向现有索引添加标准化器？

让我们看一下在 Elasticsearch 中向现有索引添加规范器的过程的实际示例。 此过程涉及几个步骤：关闭索引、更新设置、重新打开索引、更新映射、更新数据索引，最后运行查询。

首先，你需要使用以下命令关闭索引：

POST test_casing/_close

接下来，你更新索引的设置以添加标准化器。 在本例中，我们添加一个应用小写过滤器的自定义规范化器：

PUT test_casing/_settings
{
  "analysis": {
    "normalizer": {
      "my_normalizer": {
        "type": "custom",
        "filter": [
          "lowercase"
        ]
      }
    }
  }
}

更新设置后，你可以重新打开索引：

POST test_casing/_open

现在，你需要更新索引的映射以使用规范器。 在这里，我们向 “my_field” 添加一个使用标准化器的子字段：

PUT test_casing/_mapping
{
  "properties": {
    "my_field": {
      "type": "text",
      "fields": {
        "normalized": {
          "type": "keyword",
          "normalizer": "my_normalizer"
        }
      }
    }
  }
}

请注意，my_field.normalized 是字段名称。

接下来，你可以通过运行 update_by_query 来更新数据索引，这将在 my_field.normalized 字段内添加数据：

POST test_casing/_update_by_query

最后，你可以对索引运行搜索查询。 在本例中，我们在新的标准化字段上运行聚合：

GET /test_casing/_search
{
  "size": 0,
  "aggs": {
    "my_terms": {
      "terms": {
        "field": "my_field.normalized"
      }
    }
  }
}

此过程演示了如何将规范器添加到 Elasticsearch 中的现有索引，从而使你能够更灵活地处理区分大小写的问题。