Elasticsearch 2.20 高亮显示
来自: http://my.oschina.net/secisland/blog/614991
Elasticsearch中的高亮显示是来源于lucene的功能,他允许在一个或者多个字段上突出显示搜索内容, lucene支持三种高亮显示方式highlighter, fast-vector-highlighter, postings-highlighter,第一种是默认的标准类型。下面先看一个实例,在搜索前,先增加一条文档。
请求:PUT http://localhost:9200/secilog/log/10?pretty
参数:
{ "type":"file", "message":"secilog is a log real-time analyse software,it's full text search is based on Elasticsearch " }
文档创建好后,我们在进行高亮搜索:
请求:POST http://localhost:9200/secilog/log/_search?pretty
参数:
{ "query": { "term": { "message": "analyse" } }, "highlight": { "fields": { "message": { } } } }
返回结果如下:
{ "took" : 1, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "failed" : 0 }, "hits" : { "total" : 1, "max_score" : 0.4232868, "hits" : [ { "_index" : "secilog", "_type" : "log", "_id" : "10", "_score" : 0.4232868, "_source" : { "type" : "file", "message" : "secilog is a log real-time analyse software,it's full text search is based on Elasticsearch " }, "highlight" : { "message" : [ "secilog is a log real-time <em>analyse</em> software,it's full text search is based on Elasticsearch " ] } } ] } }
从结果中可以看出,有高亮显示的内容,<em>analyse</em>。为了执行高亮显示,该字段必须有实际的内容。并且这个字段必须进程存储,就是在字段映射中store的值必须为ture,不能只在内存中。否则系统会自动加载_source字段并匹配相关的列。字段名称支持通配符符号,例如可以用"message*": { }参数匹配所有message开头的字段。
fast-vector-highlighter
前面的高亮显示是普通的高亮显示,lucene还支持fast-vector-highlighter高亮显示,fast-vector-highlighter高亮显示具有如下特点:
快,特别是内容别大的字段,比如大于1M。
可定制的boundary_chars,boundary_max_scan,和fragment_offset。
需要设置term_vector的值为with_positions_offsets,增加索引的大小。
可以将多个字段的匹配组合成一个结果。
可以分配不同的权重匹配在不同的位置上,
Elasticsearch中需要在建立索引的时候映射字段类型,才可以实现postings-highlighter高亮显示,例如对content字段采用fast-vector高亮类型:
{ "type_name" : { "content" : {"type":"string","term_vector" : "with_positions_offsets"} } }
postings-highlighter
lucene还支持postings-highlighter高亮显示,postings-highlighter高亮显示具有如下特点:
快,因为它不需要重新分析文档:尤其是对大文件对性能的提高更为明显。
占用更少的磁盘空间。
把高亮显示和句子分开,这个更有利于人类的阅读。
使用BM25算法,使搜索的时候像是整篇文档。
Elasticsearch中需要在建立索引的时候映射字段类型,才可以实现postings-highlighter高亮显示,例如对content字段采用postings高亮类型:
{ "type_name" : { "content" : {"type":"string","index_options" : "offsets"} } }
备注:高亮查询不支持复杂的查询,比如查询类型设置为match_phrase_prefix的查询。
对于后两种特殊的类型,都会增加索引的大小,但对于高亮显示查询的执行时间会减少。
使用type字段可以强制使用特定的高亮类型,当设置了term_vectors高亮类型的时候,想用普通高亮显示的时候非常有用。这个只有三中类型,plain, postings , fvh分别对应高亮显示的三种类型,例如:
{ "query" : {...}, "highlight" : { "fields" : { "content" : {"type" : "plain"} } }}
默认高亮显示html标记
默认情况下,高亮显示的文本在<em>和</em>中。这可以通过设置pre_tags和post_tags进行修改,例如:
{ "query" : {...}, "highlight" : { "pre_tags" : ["<b>"], "post_tags" : ["</b>"], "fields" : { "_all" : {} } }}
使用快速矢量记号可以有多个标签,按照“重要性”进行排序,例如:
{ "query" : {...}, "highlight" : { "pre_tags" : ["<tag1>", "<tag2>"], "post_tags" : ["</tag1>", "</tag2>"], "fields" : { "_all" : {} } } }
系统对于这种情况有默认的多个pre_tags,需要设置tags_schema为styled,默认post_tags为</em>,默认多个pre_tags标签为:
<em class="hlt1">, <em class="hlt2">, <em class="hlt3">,<em class="hlt4">, <em class="hlt5">, <em class="hlt6">,<em class="hlt7">, <em class="hlt8">, <em class="hlt9">,<em class="hlt10">
当我们需要设置默认多个标签的时候的例子如下:
{ "query" : {...}, "highlight" : { "tags_schema" : "styled", "fields" : { "content" : {} } } }
每个字段都可以设置高亮显示的字符片fragment_size段大小(默认为100),以及返回的最大片段数number_of_fragments(默认为5),如果number_of_fragments值设置为0则片段产生,当order设置为score时候可以按照评分进行排序。例如:
{ "query" : {...}, "highlight" : { "order" : "score", "fields" : { "content" : {"fragment_size" : 150, "number_of_fragments" : 3} } } }
赛克蓝德(secisland)后续会逐步对Elasticsearch的最新版本的各项功能进行分析,近请期待。也欢迎加入secisland公众号进行关注。