ES-面试-原理

索引及搜索

默认情况下

索引时，会对要索引的字符串做字符过滤、分词、token过滤。
搜索时，会对搜索关键词用同样一套字符过滤器、分词器、token过滤器。

character filter - 字符过滤器，字符整理，如将 & 转换成 and 等。
Tokenizer - 分词器，根据一定规则将字符串分割成多个单词
Token filter - 单词过滤器，如去掉无意义的单词：a, an, the

自定义字符过滤器、分词器、分析器

PUT /my_index
{
	"analyzer" : "standard",	# 指定索引级别的分析器
	"mapping" : {
		"my_type" : {
			"properties" : {
				"product_no" : {
					"type" : "text",
					"analyzer" : "my_analyzer"		# 单独对某字段使用自定义的分析器
				} 
			}
		}
	}	
}

#自定义分析器


PUT /my_index
{
	"analysis" : {		# 进入分析器相关配置
		"char_filter": { }, 	#自定义字符过滤器
        "tokenizer":   { },  	# 自定义分词器
        "filter": {},			# 自定义次元过滤器
        "analyzer" : {} 		#自定义分析器，使用前边自定义的过滤器等
	}
}
#例：
"char_filter": {
    "&_to_and": {
        "type":       "mapping",
        "mappings": [ "&=> and "]
    }
}
"filter": {
    "my_stopwords": {
        "type":        "stop",
        "stopwords": [ "the", "a" ]
    }
}
"analyzer": {
    "my_analyzer": {
        "type":           "custom",
        "char_filter":  [ "html_strip", "&_to_and" ],
        "tokenizer":      "standard",
        "filter":       [ "lowercase", "my_stopwords" ]
    }
}

测试分析器

PUT /_analyze
{
	"analyzer" : "standard"，
	"text" : "中文试一试？"
}