在 Elasticsearch 中處理字符串類型的數據時,如果我們想把整個字符串作為一個完整的 term 存儲,我們通常會將其類型 type 設定為 keyword。但有時這種設定又會給我們帶來麻煩,比如同一個數據再寫入時由於沒有做好清洗,導致大小寫不一致,比如 apple、Apple兩個實際都是 apple,但當我們去搜索 apple時卻無法返回 Apple的文檔。要解決這個問題,就需要 Normalizer出場了。廢話不多說,直接上手看!
1. 上手
我們先來重現一下開篇的問題
PUT test_normalizer
{
"mappings": {
"doc":{
"properties": {
"type":{
"type":"keyword"
}
}
}
}
}
PUT test_normalizer/doc/1
{
"type":"apple"
}
PUT test_normalizer/doc/2
{
"type":"Apple"
}
# 查詢一
GET test_normalizer/_search
{
"query": {
"match":{
"type":"apple"
}
}
}
# 查詢二
GET test_normalizer/_search
{
"query": {
"match":{
"type":"aPple"
}
}
}
大家執行後會發現 查詢一返回了文檔1,而 查詢二沒有文檔返回,原因如下圖所示:
- Docs寫入 Elasticsearch時由於 type是 keyword,分詞結果為原始字符串
- 查詢 Query 時分詞默認是採用和字段寫時相同的配置,因此這裡也是 keyword,因此分詞結果也是原始字符
- 兩邊的分詞進行匹對,便得出了我們上面的結果
2. Normalizer
normalizer是 keyword的一個屬性,可以對 keyword生成的單一 Term再做進一步的處理,比如 lowercase,即做小寫變換。使用方法和自定義分詞器有些類似,需要自定義,如下所示:
DELETE test_normalizer
# 自定義 normalizer
PUT test_normalizer
{
"settings": {
"analysis": {
"normalizer": {
"lowercase": {
"type": "custom",
"filter": [
"lowercase"
]
}
}
}
},
"mappings": {
"doc": {
"properties": {
"type": {
"type": "keyword"
},
"type_normalizer": {
"type": "keyword",
"normalizer": "lowercase"
}
}
}
}
}
PUT test_normalizer/doc/1
{
"type": "apple",
"type_normalizer": "apple"
}
PUT test_normalizer/doc/2
{
"type": "Apple",
"type_normalizer": "Apple"
}
# 查詢三
GET test_normalizer/_search
{
"query": {
"term":{
"type":"aPple"
}
}
}
# 查詢四
GET test_normalizer/_search
{
"query": {
"term":{
"type_normalizer":"aPple"
}
}
}
我們第一步是自定義了名為 lowercase的 normalizer,其中filter 類似自定義分詞器中的 filter ,但是可用的種類很少,詳情大家可以查看官方文檔。然後通過 normalizer屬性設定到字段type_normalizer中,然後插入相同的2條文檔。執行發現,查詢三無結果返回,查詢四返回2條文檔。
問題解決了!我們來看下是如何解決的
- 文檔寫入時由於加入了 normalizer,所有的 term都會被做小寫處理
- 查詢時搜索詞同樣採用有 normalizer的配置,因此處理後的 term也是小寫的
- 兩邊分詞匹對,就得到了我們上面的結果
3. 總結
本文通過一個實例來給大家講解了 Normalizer的實際使用場景,希望對大家有所幫助!
閱讀更多 慕課網 的文章