ElasticSearch查询优化-Java API

我是ES的新手，正在搜索100k数据的记录集。 这是我的映射和设置JSON，我用它为数据编制了索引：

setings.json

{
    "index": {
        "analysis": {
            "tokenizer": {
                "ngram_tokenizer": {
                    "type": "ngram",
                    "min_gram": 3,
                    "max_gram": 10
                }
            },
            "analyzer": {
                "ngram_tokenizer_analyzer": {
                    "type": "custom",
                    "tokenizer": "ngram_tokenizer"
                }
            }
        }
    }
}

mappings.json

{
    "product": {
        "properties": {
            "name": {
                "type": "string",
                "analyzer": "ngram_tokenizer_analyzer",
                "store": true
            },
            "description": {
                "type": "string",
                "analyzer": "ngram_tokenizer_analyzer",
                "store": true
            },
            "vendorModelNumber": {
                "type": "string",
                "analyzer": "ngram_tokenizer_analyzer",
                "store": true
            },
            "brand": {
                "type": "string",
                "analyzer": "ngram_tokenizer_analyzer",
                "store": true
            },
            "specifications": {
                "type": "string",
                "analyzer": "ngram_tokenizer_analyzer",
                "store": true
            },
            "upc": {
                "type": "string",
                "analyzer": "ngram_tokenizer_analyzer",
                "store": true
            },
            "storeSkuId": {
                "type": "string",
                "analyzer": "ngram_tokenizer_analyzer",
                "store": true
            },
            "modelNumber": {
                "type": "string",
                "analyzer": "ngram_tokenizer_analyzer",
                "store": true
            }
        }
    }
}

我需要根据所提到的所有字段按一定的优先级查询文档。这是我搜索所有记录的查询

BoolQueryBuilder query = QueryBuilders.boolQuery();
int boost = 7;

for (String str : dataSplit) {
    query.should(QueryBuilders.wildcardQuery("name", "*" + str.toLowerCase() + "*").boost(boost));
}
boost--;
for (String str : dataSplit) {
    query.should(QueryBuilders.wildcardQuery("description", "*" + str.toLowerCase() + "*").boost(boost));
}
boost--;
for (String str : dataSplit) {
    query.should(QueryBuilders.wildcardQuery("modelNumber", "*" + str.toLowerCase() + "*").boost(boost));
}
boost--;
for (String str : dataSplit) {
    query.should(QueryBuilders.wildcardQuery("vendorModelNumber", "*" + str.toLowerCase() + "*").boost(boost));
}
boost--;
for (String str : dataSplit) {
    query.should(QueryBuilders.wildcardQuery("storeSkuId", "*" + str.toLowerCase() + "*").boost(boost));
}
boost--;
for (String str : dataSplit) {
    query.should(QueryBuilders.wildcardQuery("upc", "*" + str.toLowerCase() + "*").boost(boost));
}
boost--;
for (String str : dataSplit) {
    query.should(QueryBuilders.wildcardQuery("brand", "*" + str.toLowerCase() + "*").boost(boost));
}
client.prepareSearch(index).setQuery(query).setSize(200).setExplain(true).execute().actionGet();

这个查询确实可以帮助我搜索数据，而且效果很好，但我的问题是，因为我使用通配符查询，所以需要花费很多时间。 请有人帮我优化这个查询，或者指导我找到最适合我搜索的查询？

---

蒂亚

首先，让我先回答一个简单的问题：处理区分大小写。如果定义自定义分析器，则可以添加不同的过滤器，这些过滤器在标记器处理输入后应用于每个标记

{
"index": {
    "analysis": {
        "tokenizer": {
            "ngram_tokenizer": {
                "type": "ngram",
                "min_gram": 3,
                "max_gram": 10
            }
        },
        "analyzer": {
            "ngram_tokenizer_analyzer": {
                "type": "custom",
                "tokenizer": "ngram_tokenizer",
                "filter": [
                    "lowercase",
                    ...
                ]
            }
        }
    }
}

如您所见，存在一个现有的小写过滤器，它将简单地将所有标记转换为小写。我强烈建议您参考。有很多这样的令牌过滤器

现在是更复杂的部分：NGram标记器。同样，为了更深入地理解，您可能需要阅读。但提到您的问题，您的标记器基本上会创建长度为3到10的术语。这意味着文本

I am an example TEXT.

基本上会创建很多代币。仅举几个例子：

尺码3：I a、am、am、…、TEX、EXT 尺寸4：我是，我是，我是，…，特克斯，文本。 尺码10：我是前任。。。 你明白了。小写标记过滤器现在将这些标记小写

匹配和术语查询之间的区别：将分析匹配查询，而不分析术语查询。事实上，这意味着您的匹配查询可以匹配多个术语。例：你和考试成绩相符

事实上，这将匹配3个术语：exa、xam和exam

这对比赛的分数有影响。比赛越多，分数越高。在某些情况下，这是需要的，在其他情况下不是

不会分析学期查询，这意味着考试将匹配，但当然只有一个学期考试。然而，由于它没有被分析，它也不是小写的，这意味着你必须自己在代码中这样做。考试永远不会匹配，因为如果使用小写标记过滤器，索引中没有带大写字母的术语

不确定您的用例。但我有一种感觉，你可以甚至想要使用查询这个词。但请注意，索引中没有大于10的项。因为你的ngram标记器就是这么做的

/编辑：

---

关于匹配查询，以及您可能希望使用术语的原因，值得指出的是：一些匹配查询（如Simple）也将匹配示例中的mple。

为什么首先使用通配符查询？使用具有3+的ngram标记器，正常匹配查询应使用长度超过2个字符的输入。或者ngram标记器的原因是什么？旁注；使用定义的此分析器，您的查询将区分大小写。可能是有意的，但很不寻常。谢谢@Slomo你是对的。我不应该在ngram中使用通配符。我可以不区分大小写吗？对于ngram，我应该使用术语查询或匹配进行查询，哪种方式更为理想？如果这不是一个合理的问题，那么很抱歉：详细解释请参见tnx a lot@Slomo。将对我的代码进行优化，并对文档进行检查：因此，假设我需要在多个字段上搜索多个值，使用匹配查询的bool将是一个不错的选择，对吗？@DivyaMenon您可以。或者，您也可以使用where，您还应该能够对字段进行加权。也许一个具有预期结果的具体查询示例有助于回答您的问题。