Ottenere valori distinti utilizzando il client NAST ElasticSearch

Question

Sto creando un motore di ricerca di prodotto con Elastic Search nella mia applicazione .NET, utilizzando il client NEST, e c'è una cosa con cui ho problemi. Ottenere un insieme distinto di valori.

Sono alla ricerca di prodotti, che ci sono molte migliaia, ma ovviamente posso solo restituire 10 o 20 alla volta per l'utente. E per questo cercapersone funziona bene. Ma oltre a questo risultato primario, voglio mostrare ai miei utenti un elenco di marchi che si trovano all'interno della ricerca completa, per presentarli per il filtraggio.

Ho letto a tale proposito che dovrei usare i termini Aggregazioni per questo. Ma non potrei ottenere niente di meglio di questo. E questo ancora non mi dà veramente quello che voglio, perché divide valori come "20th Century Fox" in 3 valori separati.

var brandResults = client.Search<Product>(s => s 
     .Query(query) 
     .Aggregations(a => a.Terms("my_terms_agg", t => t.Field(p => p.BrandName).Size(250)) 
     ) 
    ); 

    var agg = brandResult.Aggs.Terms("my_terms_agg"); 

È questo l'approccio giusto? O dovrebbe usare qualcosa di completamente diverso? E come posso ottenere i valori corretti e completi? (Non diviso dallo spazio .. ma immagino che sia quello che ottieni quando chiedi una lista di "Termini" ??)

Quello che sto cercando è quello che otterresti se lo facessi in MS SQL

SELECT DISTINCT BrandName FROM [Table To Search] WHERE [Where clause without paging] 

Answer 1

È corretto che ciò che si desidera sia un'aggregazione dei termini. Il problema che stai incontrando è che ES sta dividendo il campo "BrandName" nei risultati che sta restituendo. Questo è il comportamento predefinito previsto di un campo in ES.

Quello che consiglio è di cambiare BrandName in un "Multifield", questo ti permetterà di cercare su tutte le varie parti, oltre a fare un'aggregazione dei termini sul "20th Century Fox" non analizzato ") termine.

Questa è la documentazione di ES.

https://www.elasticsearch.org/guide/en/elasticsearch/reference/0.90/mapping-multi-field-type.html

[UPDATE] Se si utilizza ES versione 1.4 o più recente la sintassi per il multi-campi è un po 'diverso ora.

https://www.elasticsearch.org/guide/en/elasticsearch/reference/current/_multi_fields.html#_multi_fields

Ecco un esempio di lavoro completa il illustrano il punto in ES 1.4.4. Nota la mappatura specifica una versione "not_analyzed" del campo.

PUT hilden1 

PUT hilden1/type1/_mapping 
{ 
    "properties": { 
    "brandName": { 
     "type": "string", 
     "fields": { 
     "raw": { 
      "type": "string", 
      "index": "not_analyzed" 
     } 
     } 
    } 
    } 
} 

POST hilden1/type1 
{ 
    "brandName": "foo" 
} 

POST hilden1/type1 
{ 
    "brandName": "bar" 
} 

POST hilden1/type1 
{ 
    "brandName": "20th Century Fox" 
} 

POST hilden1/type1 
{ 
    "brandName": "20th Century Fox" 
} 

POST hilden1/type1 
{ 
    "brandName": "foo bar" 
} 

GET hilden1/type1/_search 
{ 
    "size": 0, 
    "aggs": { 
    "analyzed_field": { 
     "terms": { 
     "field": "brandName", 
     "size": 10 
     } 
    }, 
    "non_analyzed_field": { 
     "terms": { 
     "field": "brandName.raw", 
     "size": 10 
     } 
    }  
    } 
} 

risultati dell'ultima query:

{ 
    "took": 3, 
    "timed_out": false, 
    "_shards": { 
     "total": 5, 
     "successful": 5, 
     "failed": 0 
    }, 
    "hits": { 
     "total": 5, 
     "max_score": 0, 
     "hits": [] 
    }, 
    "aggregations": { 
     "non_analyzed_field": { 
     "doc_count_error_upper_bound": 0, 
     "sum_other_doc_count": 0, 
     "buckets": [ 
      { 
       "key": "20th Century Fox", 
       "doc_count": 2 
      }, 
      { 
       "key": "bar", 
       "doc_count": 1 
      }, 
      { 
       "key": "foo", 
       "doc_count": 1 
      }, 
      { 
       "key": "foo bar", 
       "doc_count": 1 
      } 
     ] 
     }, 
     "analyzed_field": { 
     "doc_count_error_upper_bound": 0, 
     "sum_other_doc_count": 0, 
     "buckets": [ 
      { 
       "key": "20th", 
       "doc_count": 2 
      }, 
      { 
       "key": "bar", 
       "doc_count": 2 
      }, 
      { 
       "key": "century", 
       "doc_count": 2 
      }, 
      { 
       "key": "foo", 
       "doc_count": 2 
      }, 
      { 
       "key": "fox", 
       "doc_count": 2 
      } 
     ] 
     } 
    } 
} 

notare che i campi non-analizzati mantengono "volpe del 20 ° secolo" e "foo bar" insieme dove come il campo di analisi li rompe.

Answer 2

Ho avuto un problema simile. Stavo visualizzando i risultati della ricerca e volevo mostrare i conteggi sulla categoria e sottocategoria.

Hai ragione di utilizzare le aggregazioni. Ho anche avuto il problema che le stringhe venissero troncate (cioè la volpe del XX secolo era divisa) - questo succede perché i campi sono analizzati. Per quanto mi riguarda, ho aggiunto le seguenti mappature (cioè dicono ES non analizzare quel campo):

"category": { 
      "type": "nested", 
      "properties": { 
      "CategoryNameAndSlug": { 
       "type": "string", 
       "index": "not_analyzed" 
      }, 
      "SubCategoryNameAndSlug": { 
       "type": "string", 
       "index": "not_analyzed" 
      } 
      } 
     } 

Come jhilden suggerito, se si utilizza questo campo per più di un motivo (ad esempio,ricerca e aggregazione) è possibile configurarlo come un multi-campo. Quindi da una parte può essere analizzato e utilizzato per la ricerca e dall'altra parte per non essere analizzato per l'aggregazione.