我想索引和搜索小写的关键字。我附上了测试代码，它清楚地说明了我的简单目标。我索引了两个单词，一个用大写字母，然后我搜索并一个接一个地打印出来。为此，我创建了Analyzer，它只将关键字转换为小写（KeywordAnalyzer不使用小写，并且SimpleAnalyzer对非字母字符进行拆分）。我将此分析器用于IndexWriter和QueryParser。然而，由于某些原因，即使我搜索小写的单词（示例中的“bye”），也无法返回大写的单词 程序预期输出： hello Bye 实际产量： he
elasticsearch
我给弹性服务器搜索api提供了一个模式“主从式”。 它返回至少包含其中一个（主文档或从文档）的所有文档 它按分数的降序显示结果。 但是，我想将该顺序更改为我的自定义逻辑，即如果一个文档同时包含单词，即Master和Servant，则首先显示该文档 这可以实现吗？使用bool查询 从 bool查询采用了“匹配越多越好”的方法，因此来自每个match子句的分数将相加，以提供每个文档的最终_分数。同时匹配两个子句的文档将比仅匹配一个子句的文档得分更高 根据评论编辑： 为了澄清，我相信你想要这样的东西：
我使用的是Lucene.Net.dll，版本为2.0.0.4 看起来它的IndexWriter类没有用于DeleteDocument或UpdateDocument的方法。我是不是遗漏了什么？如何在这个版本的Lucene.Net中实现删除、更新功能 版本2.1 Lucene.dll似乎支持删除和更新文档： public virtual void DeleteDocuments(Term term); public virtual void UpdateDocument(Term term, Doc
我想了解lucene搜索是如何如此快速地工作的。我在网上找不到任何有用的文档。如果你有任何东西（除了lucene源代码）需要阅读，请告诉我 在我的例子中，使用带索引的mysql5文本搜索进行文本搜索查询大约需要18分钟。lucene搜索同一查询只需不到一秒钟。一句话：索引 Lucene为您的文档创建一个索引，使其能够更快地搜索 列表O（N）数据结构和哈希表O（1）数据结构之间的区别是相同的。该列表必须遍历整个集合才能找到您想要的内容。哈希表有一个索引，可以让它准确地找出所需项的位置，并简单地获取
下午好，伙计们 我正在使用SOLR索引搜索我网站上的项目。搜索结果包含项目的平均评分和项目的评论量。结果可以按评分和评论数排序 但是很明显，对于solr索引，这些数字直到数据库（200万行）重新编制索引（可能是每晚完成）后才会更新 你们认为最好的方法是什么 嗯，我认为您应该更改您的db-index同步策略： 第一种方法：提交数据库更改时，还将更改（一批）发布到索引中。您应该编写一个映射器层，将域对象映射到solr文档（请记住，保持不变，如果一切正常，则索引-这对我们来说很好；-））。如果你想实
从schema.xml： <field name="myfield" type="integer" indexed="true" stored="false"/> id为5的记录具有值为0的myfield，我通过搜索普通id:5并查看objectXml确认了这一点 搜索id:5和myfield:0不会返回任何记录 但是，搜索id:5和-myfield:1会返回我所期望的记录 为什么? -- 其他信息： 整数类型的定义： Solr版本：1.4绑定到“整数”字段类型的类是什么？它
Michael链接到的数据非常陈旧且不完整。答案是肯定的，主要是因为C++没有GC线程，内存分配是用C++手工编写的。C++中的引用计数在C++中执行速度更快，因为它编译成机器代码，不像在VM上运行的java。 欲了解更多信息，请参阅Lucene In Action中有关CLucene的免费章节，可从获得。这些基准已经足够古老，现在可以放心地说它们不相关。他们还引用了在相当旧的硬件上的性能。再说一次，对于C版本来说，这可能是一个很好的用例。@Ross:嗯，是的，问题和答案已经有1.5年的历史了，
如中所述，有一个参数可用于指定匹配所需的相似性。的值介于0和1之间，如果值接近1，则仅匹配相似度较高的术语。例如：漫游~0.8 知道我想知道这个参数是否是相对意义上的，也就是说，对于更长的字符串，字符串编辑距离可能更大，并且仍然存在匹配。或者，这意味着一个绝对值，即最多只允许x个替换/删除/插入来进行匹配？搜索术语~sim将找到编辑距离小于长度（术语）*（1-sim）的所有术语。因此roam~0.8将查找编辑距离小于4*（1-.8）=.8 roam的所有术语 编辑： 期限必须大于1/（1-sim
我是否有可能使用Lucene的ShingleanalyzerRapper生成考虑标点符号（即：.\，\；）的双格图？快速示例：如果字段“一二；三四”只提供两个bigram：（一二）和（三四）？您可以创建一个使用基于字母标记器的分析器的ShingleanalyzerRapper字母标记器在非字母处断开输入文本。比如： public class MyCharAnalyzer extends Analyzer { public TokenStream tokenStream(String fi
我已经看到了一些类似的问题，但我仍然没有答案。我想我有一个简单的问题 判决 在本文中，只有元文件是重要的，测试生成。 其他事情都无关紧要 我只想索引元文件和测试生成。这意味着我需要精确匹配。 有人能告诉我如何做到这一点吗 代码如下： Analyzer analyzer = new StandardAnalyzer(); Lucene.Net.Store.Directory directory = new RAMDirectory(); indexWriter iw
我找到了链接 但我不能完全理解 我想在solr查询中使用minmax类函数 我的查询（显示圆形和颜色D的最小、最大和平均价格以及透明度FL和caratweight。（此查询将根据用户的选择动态生成） （形状：“圆形”）和（颜色：“D”）以及（透明度：“FL”）和（克拉威特：[1至10]） 但是如何使用这种函数并选择特定的列呢 现在我有点接近了 通过使用下面的url，我得到了我想要的最小值、最大值、计数和平均值。 但是它是xml格式的。现在我想用cusomize。我想在我的asp.net代码中使用
如果在优化过程中通过IndexWriterConfig将不同的分析器传递给IndexWriter，是否会导致任何问题 谢谢可能不会，因为分析器仅在分析/解析文档时使用，而优化过程中不会使用 你有什么特别的理由这么做吗？我不打算这么做。我只是想确认，如果我只为优化而打开IndexWriter，analyzer将不会有任何效果。
我在1 CA和3 CD环境中为Sitecore中的几种模板类型设置了自定义Lucene索引。这在CD服务器上运行良好，但这似乎使CMS服务器过载。如果我在CMS上注释掉这个索引，它会影响CD服务器上的索引吗 它不应该影响CD服务器，除非在两者之间有某种文件或配置复制，可能会移动索引文件或sitecore配置 另一方面：lucene索引部分对其运行的任何服务器的影响都很小（除非您可能有自定义索引器），因此我有点困惑，因为它会使CMS服务器过载。我使用的是Alex Shyba建议的AdvancedD
各位! 我是Lucene的新人 我正在用lucene做一个简历过滤项目。首先，我想从简历中提取一些基本信息，如bithday等 假设总是有一行字写着生日：1989/10/19或类似的东西。如何用Lucene而不是直接使用正则表达式提取此类信息 目前我发现也许使用PanarQuery会有帮助。但我似乎无法将通配符查询添加到SpanarQuery以匹配生日信息 我完全被绊倒了。有什么好的建议吗？真的很感激 从包含一堆文本和日期格式的Lucene字段中提取日期并没有灵丹妙药。最好的方法是编写一个自定义
我是Lucene的新手。我有一些新闻文本，我正在使用以下字段编制索引： doc.add(new Field("url", article.getUrl(), TextField.TYPE_STORED)); doc.add(new Field("source", article.getSource(), TextField.TYPE_STORED)); doc.add(new Field("title", article.getArticleTitle(), TextField.TYPE_STO
我不理解Lucene indexwriter的这个问题。打开indexwriter后，添加一些新文档，然后关闭它。使用相同的目录重新打开indexwriter，添加一些新文档。然后所有以前的文件都消失了。我只是不明白它为什么会这样。正如Zincup在上面提到的，在向现有索引添加文档时，需要将deletePolicy设置为false。（添加到这里是为了让这个问题有一个正式的答案。）这永远不会发生。在第一次写入操作之后，是否确保目录包含包含某些内容的索引？你可以试着用Luke来学习，或者只是检查一下
elasticsearch
我有一个场景，我将URL存储在Elasticsearch中特定索引中的文档中。有时我会多次得到一个现有的URL。我想使用Elasticsearch增加遇到特定URL的次数。这可以通过使用带有脚本的更新API来实现。然而，这有时似乎是缓慢而复杂的 Elasticsearch中是否有方法在更新现有文档时增强文档？如果是的话，我想我可以用它来衡量点击率，因为每次我遇到一个现有的URL，我都可以提高点击率，这将解决我的所有问题。如果你在更新时更新文档的提升，你无论如何都必须删除并重新索引该文档。它不会为
我利用lucene 4.0来构建我的搜索引擎。我需要在搜索时定义一个过滤器。这样的过滤代码可以正常工作： public DocIdSet getDocIdSet(AtomicReaderContext context, Bits acceptDocs) throws IOException { String[] target_real_names = {"eMule"}; OpenBitSet obs = new OpenBitSet(contex
我有一个这样的问题 start n = node:node_auto_index('ids:"123", "456" ... ') return n 这里123456是作为单个参数{list}的键列表。现在，当我尝试用Java编写这篇文章时 String q = " START n=node:node_auto_index('key:{ids}') return n " Map<String, Object> map = new HashMap<String, Object
elasticsearch elasticsearch：碎片副本大小是不同的
elasticsearch Lucene
今天早上，我们收到警报，4节点Elasticsearch集群中的一些计算机磁盘空间不足。我们使用5个分片，单个复制 显示的索引大小与我们看到的磁盘使用情况一致。然而，令人困惑的是，复制的碎片与碎片2和碎片4非常不一致。我知道碎片大小在副本之间可能有所不同；然而，我们看到的尺寸差异是巨大的： "shards": { ... "2": [ { "routing": { "state": "STARTED", "primary": true,
elasticsearch 弹性搜索与滤波器优化
elasticsearch Lucene
elasticsearch是否自动优化过滤器？例如：在“和”过滤器中，如果存在多个分别为gte和lte运营商定义的数字范围过滤器，而不是同时具有lte和gte边界的一个范围过滤器，则会导致任何性能问题吗？ES会自动优化这些过滤器吗 "filter" : { "and" : [ { "range" : { "age" : { "gte": 10 } } }, { "range"
我已经将我的DefaultIndexConfiguration配置文件更改为基于同义词（）进行搜索，效果很好。但是，这是基于文件系统中的xml文件 C:\inetpub\wwwroot\website\Data\synonyms.xml 我想做的是在CMS中管理这些数据。 有人知道如何设置这个xmlSynonymFilePath参数来实现我想要的吗？还是我遗漏了什么？最简单的解决方案是在Sitecore（例如，/Sitecore/system/synonyms）中使用只有一个多行字段的模板创
elasticsearch 什么'；简单查询字符串和查询字符串之间的区别是什么？
elasticsearch Lucene
我的索引中有一个嵌套字段source，如下所示： "source": [ { "name": "source_c","type": "type_a" }, { "name": "source_c","type": "type_b" } ] 我使用query\u stringquery和simple\u query\u stringquery来查询type\u a，得到了两个不同的结果 查询字符串 { "size" :
我想知道对于相同的存储库路径，索引选择逻辑是否更喜欢本地索引定义而不是全局索引定义。不幸的是，我找不到任何关于索引选择算法工作原理的文档。为了使事情更清楚，请考虑下面的例子： 我的索引的全局定义 我的索引的本地定义 索引选择逻辑根据所有索引（本地和全局）计算查询成本。查询使用评估顺序索引中第一个最便宜的索引。您可以通过AEM中的索引调试工具看到这一点。索引选择逻辑根据所有索引（本地和全局）计算查询成本。查询使用评估顺序索引中第一个最便宜的索引。您可以通过AEM中的索引调试工具看到这一点 /oak
我能够在Lucene中获得文档的单字术语频率。我如何做同样的事情，但对于一个多词短语的自定义列表？例如：假设我在文档中有以下文本： The quick brown fox jumps over the lazy dog. The quick onyx goblin jumps over the lazy dwarf. 术语频率向量将显示： Word Frequency ---- --------- the 4 quick 2 brown
elasticsearch 我如何搜索“a”-&引用；在kibana中的字段值中？
以下是此字段的映射： "username": { "type": "text", "norms": false, "fields": { "keyword": { "type": "keyword" } } }, 我有一个偶尔值为“-”的字段： 我单击了“值过滤器”，这是它创建的过滤器： 但是当我搜索这个值时，它说找不到结果 我如何避开“-”呢 我试过“\-”但没有骰子 我尝试按建议检查值是否“存在”，但这也会返回0个结果： 还尝试了！（u存在于k
elasticsearch Elasticsearch多个分析仪不工作
elasticsearch Lucene
我有一个小的测试注册表，标题如下： “桑托斯（圣桑）X阿瓦伊（阿瓦伊）-卡宁德（圣保罗SP）” 如果我尝试搜索任何单词，如“san”或“avi”或“avaí”或“santos”，效果很好。但是如果我尝试搜索“Santos（SAN）X AvaíFC（avi）”，它应该只返回1个reg，并返回所有3个reg 以下是测试数据： 这是分析仪和映射 以下是搜索结果： 提前谢谢 { "settings": { "analysis": { "analyze
我将更改lucene中的tf idf算法，因此我创建了一个新的IndexSearcher实例并调用setSimilarity函数 is.setSimilarity(new TFIDFSimilarity() { @Override // Computes a score factor based on the fraction of all query terms that a document contains. // @
我有以下Apache Lucene 7应用程序： StandardAnalyzer standardAnalyzer = new StandardAnalyzer(); Directory directory = new RAMDirectory(); IndexWriterConfig config = new IndexWriterConfig(standardAnalyzer); IndexWriter writer = new IndexWriter(directory, config)
还有一些我在网上看到的人使用posting的TermVector方法来获取术语位置。从链接问题中的示例复制粘贴： IndexReader ir = obtainIndexReader(); Terms tv = ir.getTermVector( doc, field ); TermsEnum terms = tv.iterator(); PostingsEnum p = null; while( terms.next() != null ) { p = terms.postings(
我使用org.apache.lucene.search.BooleanQuery.Builder创建简单的布尔查询 我还想使用minimumNumberShouldMatch来指定必须满足的可选布尔子句的最小数量： BooleanQuery.Builder builder = new BooleanQuery.Builder(); builder.add(new TermQuery(new Term("field", "value1")), BooleanClause.Occu
elasticsearch 主机变量不显示任何数据
我正在使用： 基巴纳7.9.0 格拉法纳7.1.5 我的问题是，我有一个图形，其中有一个名为“switch”的hostvariable。我可以定义主机，它工作得很好，但是如果我说 @主机名：$switch 主机：$交换机 @主机：$交换机 @主机名：交换机 主机：交换机 @主机：交换机 这已经不起作用了，我的问题在哪里，我该如何把他交给我 谢谢你的帮助 瓦林斯基
我正在对查询对象调用extracterms（），从查询中提取术语，查询对象是QueryParser.Parse（）的结果。我得到了一个哈希表，但每个项都显示为： Key - term:term Value - term:term 为什么键和值相同？还有，为什么术语值被复制并用冒号分隔 Highlighter是否只插入标签或执行其他操作？我不仅想得到文本片段，还想突出显示源文本（它足够大）。我试图通过偏移量和术语手动插入标记。但我担心这是否是正确的解决方案 我认为答案可能会有帮助。我认为答案可能
我有一个术语和相关有效载荷的列表。我如何将这些内容放入lucene文档或字段中 以下是我的清单： List<MyTerm> list = new List<MyTerm>(){ new MyTerm(){ Text = "apple", Payload = BitConverter.GetBytes(2) }, new MyTerm(){ Text = "juice", Payload = BitConverter.GetBytes(5) }};
我有一个包含供应商信息的数据库：名称和地址（地址、城市、邮政编码和国家/地区字段）。我需要搜索这个数据库并返回一些供应商。在搜索框中，用户可以键入任何内容：供应商名称、部分地址、城市、邮政编码，。。。而且，如果我找不到任何结果，我需要实现一个类似谷歌的“你的意思是什么”功能，向用户提供建议 我考虑过使用Solr/Lucene来做这件事。我已经安装了Solr，使用CSV文件导出了我需要的信息，并基于该文件创建了索引。现在我可以使用Solr.SpellCheckComponent从Solr字段中获得
我知道如何使用Lucene highlighter，即使用 Highlighter highlighter = new Highlighter(scorer); String[] fragments = highlighter.getBestFragments(stream, fieldContents, fragmentNumber); 但是我能在原始内容中找到指向这些片段的指针吗？换句话说，我需要知道这些片段从哪里开始，如果可能的话，从哪里结束。如果改用GetBestTextFragmen
请原谅这个问题的潜在N00B性——我仍在试图了解这个非关系型NoSQL的东西 ElasicSearch的性能和简单性给我留下了深刻的印象，但在深入研究实现之前，我有一个映射（临界NoSQL理论）问题要回答 让我们继续使用ElasticSearch文档中的Twitter示例 基本上，我们知道一条推文属于一个用户，而一个用户有很多推文。 这些对象看起来像这样： user = {'screen_name':'d2kagw', 'id_str':'1234567890', 'favourites_co
我有一个术语计数对的集合，我想在lucene中建立索引。 有没有什么方法可以做到这一点，而不必在我拥有的地方创建“文档” 复制每个术语的次数与计数相同 我的查询也将是类似的形式 我的问题可能不清楚。我的意思是，我没有完整的文档，而是使用了count value这个术语。例如，我有一个表格文件，而不是“玫瑰是玫瑰是玫瑰”的文件： a 3 玫瑰3 是2 如果我有一个“rose a rose”形式的问题，我将把它表示为 玫瑰2 a 1 我可以用lucene来索引这类数据吗？然后我可以用这种类型的查询
我想构造一个Lucene查询，它只匹配与我指定的术语完全匹配的文档：不更少，也不更多。“不少于”部分很简单：一个包含所有强制性条款的框架。然而，我不知道如何做“不再”部分。本质上，我需要的是一个查询，它说“结果文档不能有我在查询中指定的以外的任何术语。”有什么想法吗？谢谢 我认为您可以按如下方式处理此问题： 您需要创建一个分析器，该分析器将提取令牌，删除重复项，然后按某种顺序连接它们（例如，字典）。因此，如果您有三个文档： doc1:“lorem ipsum”，doc2:“lorem ips
我尝试使用创建elasticsearch索引 curl -XPUT 'http://localhost:9200/myindex' 但我总是犯以下错误： {"error":"IndexCreationException[[myindex] failed to create index]; nested: ElasticSearchIllegalArgumentException[[enable_position_increments: false] is not supported anymo
elasticsearchelastica
我希望搜索返回与查询字符串完全匹配的结果。 查询字符串包含2个单词 查询：“普通医生”应仅返回普通医生而不是“普通医生” 搜索方法： $lower = 'general doctor'; $query = new \Elastica\Query\MatchAll(); $tagquery = new \Elastica\Query\Match(); $tagquery->setDefaultField('branchslug'); $tagquery->setFieldBoost
我使用的是lucene.net 3.0.3，我有一个简单的定制分析器和标记器，它们打破了标签上的条款。我对它进行了测量，结果表明索引的速度是使用StandardAnalyzer的两倍（StandardAnalyzer可以做更多的事情）。你知道问题可能是什么，或者是否有更好的解决方案 代码如下 公共类CustomAnalyzer:Analyzer { 公共覆盖令牌流令牌流（字符串字段名，文本阅读器） { 返回新的CustomTokenizer（读卡器）； //返回新的字母标记器（读卡器）； } p
如果我有一个Lucene查询，比如（标题：“foo-bar”和body:baz*）或标题：bat，有没有直接的方法将其传递到Cypher查询中？它看起来像是用来处理START和旧的node\u auto\u index的，但是我不知道如何正确地使用Cypher 2.0 我已尝试将其粘贴到MATCH子句中，但出现无效语法错误： MATCH (item:Item {...}) RETURN item 我即将编写一个解析器，将Lucene查询转换为参数化的Cypher查询，但我想先检查一下是否有更简
我需要编写lucene查询/过滤器来获取没有特定属性的对象。 我试过。。。ISNULL：“cm:param_name”但id无效 编辑：我在aspect中添加了新属性，但尚未更新的对象在其列出的属性中没有该属性（使用节点浏览器检查） 你能更清楚地解释一下“没有财产”是什么意思吗？您的意思是不希望像“field:value”那样指定字段，而是将过滤器设置为“value” 编辑 您是在动态生成这些字段名，还是这是唯一一个缺少值的字段名？如果只有一个字段可能出现在文档中，也可能不出现在文档中，那么您可
在我的数据库中，我以完整的形式存储年份。例如，201220132014等。这也是它们在我的索引中的存储方式。我还希望在索引中存储最后两位数字。示例12,13,14等。我基本上希望个人能够在2012年和2012年进行关键字搜索 我的主搜索分析器如下所示 @AnalyzerDefs({ @AnalyzerDef(name = "searchtokenanalyzer", // Split input into tokens according to tokenizer
elasticsearchsearch-engine
我正在试图找出实现用户搜索的最佳方式，即根据用户与您的社交距离对用户进行排序，因此，前二级朋友的朋友的朋友，后三级朋友的朋友的朋友的朋友 我在网上找到了一些资源： 1LinkedIn：是他们较旧的字体引擎-他们使用好友列表/邻接列表作为反向索引。LinkedIn还有一个新的搜索架构，名为Lucene，但他们没有提到如何实现社交搜索 2 odnoklassniki.ru：字体搜索首先在个人lucene索引中查找-我假设它基本上是一个仅限于用户邻接列表的索引 我的问题是： 1您将如何在每个用户的基础
elasticsearch Elasticsearch是否保持多值字段的顺序？
elasticsearch Lucene
search-engine
Elasticsearch是否保持多值字段的顺序 即，如果我在字段中输入了以下值： { "values": ["one", "two", "three"], "values_original": ["1", "2", "3"] } （假设未分析字段） 我能确保列表的内容总是按照我放在那里的顺序返回吗 在上面的例子中，我想确保“values”中第一个位置的“one”始终对应于“values\u original”中的“1”等 我还可以将其作为嵌套对象保存，即 { "val
elasticsearch 如何规范ElasticSearch分数？
elasticsearch Lucene
对于我的项目，我需要找出哪些搜索结果被认为是“良好”匹配。目前，分数因查询而异，因此需要以某种方式对其进行规范化。标准化分数将允许选择高于给定阈值的结果 我为Lucene找到了两种解决方案： 我将如何继续并将相同的技术应用于ElasticSearch？或者可能已经有一种解决方案可以与ES一起用于分数标准化？据我搜索，无法从elastic中获得标准化分数。你必须通过两个查询来破解它。首先是一个试点查询（最好是大小为1，但其余所有属性都相同），它将为您获取max\u分数。然后，您可以进行实际
所以我想使用Lucene荧光灯，我遇到了这个例子： 问题是，我正在使用一个更新版本的Lucene，它似乎没有QueryScorer类和其他东西。我正在使用LuceNet 4.8.0.0，如图所示。所以我想知道如何在这个版本的Lucene中做到这一点。Lucene 4.8仍然有。我特别告诉过你我使用的是什么版本的Lucene，甚至链接到了它。我找不到它。如果你能在那里找到它，请告诉我。鉴于Lucene.net 4.8 Beta相当缺乏文档，我链接到了标准Lucene文档的版本，它的意思是等效的。
elasticsearch 验证我对elasticsearch中Demax查询的理解
elasticsearch Lucene
search-enginedismax
我已经试着理解了Demax查询是如何工作的，我想验证我的理解，请看我是否正确理解了它 根据文档，Demax查询是： "dis_max": { "queries": [ { "match": { "FOO": "ABC" } }, { "match": { &quo