Indicizzazione di un campo di valori separati da virgola in Ricerca elastica

Question

Sto utilizzando Nutch per eseguire la ricerca per indicizzazione di un sito e indicizzarlo in Ricerca elastica. Il mio sito ha dei meta-tag, alcuni dei quali contengono un elenco di ID separati da virgole (che intendo usare per la ricerca). Ad esempio:

contentTypeIds = "2,5,15". (nota: nessuna parentesi quadra).

Quando ES lo indicizza, non posso cercare contentTypeIds: 5 e trovare documenti il ​​cui contentTypeIds contiene 5; questa query restituisce solo i documenti il ​​cui contentTypeIds è esattamente "5". Tuttavia, desidero trovare documenti il ​​cui contentTypeIds contiene 5.

In Solr, questo viene risolto impostando il campo contentTypeIds su multiValued = "true" nello schema.xml. Non riesco a trovare come fare qualcosa di simile in ES.

Sono nuovo di ES, quindi probabilmente mi sono perso qualcosa. Grazie per l'aiuto!

Answer 1

Creare custom analyzer che suddividerà il testo indicizzato in token con virgole.

Quindi è possibile provare a cercare. Se non ti interessa la pertinenza, puoi utilizzare il filtro per cercare tra i tuoi documenti. Il mio esempio mostra come è possibile tentare la ricerca con term filter.

Qui sotto puoi trovare come farlo con il plugin sense.

DELETE testindex 

PUT testindex 
{ 
    "index" : { 
     "analysis" : { 
      "tokenizer" : { 
       "comma" : { 
        "type" : "pattern", 
        "pattern" : "," 
       } 
      }, 
      "analyzer" : { 
       "comma" : { 
        "type" : "custom", 
        "tokenizer" : "comma" 
       } 
      } 
     } 
    } 
} 

PUT /testindex/_mapping/yourtype 
{ 
     "properties" : { 
      "contentType" : { 
       "type" : "string", 
       "analyzer" : "comma" 
      } 
     } 
} 

PUT /testindex/yourtype/1 
{ 
    "contentType" : "1,2,3" 
} 

PUT /testindex/yourtype/2 
{ 
    "contentType" : "3,4" 
} 

PUT /testindex/yourtype/3 
{ 
    "contentType" : "1,6" 
} 

GET /testindex/_search 
{ 
    "query": {"match_all": {}} 
} 

GET /testindex/_search 
{ 
    "filter": { 
     "term": { 
      "contentType": "6" 
     } 
    } 
} 

Spero che sia d'aiuto.