Elasticsearch——》edge_ngram 分词器

推荐链接：
    总结——》【Java】
    总结——》【Mysql】
    总结——》【Redis】
    总结——》【Kafka】
    总结——》【Spring】
    总结——》【SpringBoot】
    总结——》【MyBatis、MyBatis-Plus】
    总结——》【Linux】
    总结——》【MongoDB】
    总结——》【Elasticsearch】

一、概念

Elasticsearch 中的 edge_ngram 是一种基于字符边缘的分词器，在生成索引时会将一个文本字段分成小的、重叠的字符串片段 n-gram，这些片段从文本的开头边缘开始，以固定长度向右扩展。它可以与搜索时指定的查询条件进行匹配，并根据匹配程度对文档进行评分。

二、工作原理

edge_ngram 分词器的工作原理是将输入文本切分成一个个较小的子字符串，然后将这些子字符串作为词项添加到索引中。这个过程涉及两个参数：min_gram 和 max_gram，它们控制了生成的词项的长度范围。edge_ngram 对每个字符串都生成了一组从开头边缘向右扩展的 n-gram，而不仅仅是像 ngram 那样生成所有可能的 n-gram。这使得 edge_ngram 更适合用于前缀匹配和自动完成功能等场景。

参数	描述	默认值
min_gram	拆分字符的最小阈值	1
max_gram	拆分字符的最大阈值	2

三、示例

1、默认词项的长度

# 默认生成最小长度为1且最大长度为2的N-gram
GET _analyze
{
  "tokenizer": "edge_ngram",
  "text": "elastic"
}

2、指定词项的长度（自定义edge_ngram分词器）

DELETE my_index
PUT /my_index
{
  "settings": {
    "index": {
      "max_ngram_diff": 5
    },
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "edge_ngram",
          "min_gram": 2,
          "max_gram": 4
        }
      }
    }
  }
}

GET /my_index/_analyze
{
  "tokenizer": "my_tokenizer",
  "text": "elastic"
}