Elasticsearch权威指南：字符串排序与多字段映射解析

Elasticsearch权威指南：字符串排序与多字段映射解析

elasticsearch-definitive-guide The Definitive Guide to Elasticsearch 项目地址: https://gitcode.com/gh_mirrors/el/elasticsearch-definitive-guide

理解字符串排序的挑战

在Elasticsearch中，对字符串字段进行排序时经常会遇到意想不到的结果。这是因为分析过的字符串字段（analyzed string fields）本质上是多值字段（multivalue fields）。例如，当我们分析字符串"fine old art"时，它会生成三个词项（terms）："fine"、"old"和"art"。当我们尝试对这个字段排序时，Elasticsearch并不知道我们希望按照第一个词项、第二个词项这样的顺序来排序。

传统解决方案及其局限性

最简单的解决方案可能是使用min或max排序模式，但这会导致排序基于"art"或"old"这样的词项，这通常不是我们想要的结果。例如：

• 使用min模式会按"art"排序
• 使用max模式会按"old"排序

这两种方式都无法实现按完整字符串的自然顺序排序。

理想的解决方案：多字段映射

要实现既能搜索又能正确排序的字符串字段，我们需要：

1. 一个分析过的（analyzed）版本用于全文搜索
2. 一个未分析的（not_analyzed）版本用于排序

初始方案：双重存储

最直观的方法是存储两个独立的字段：

{
    "tweet_analyzed": {
        "type": "string",
        "analyzer": "english"
    },
    "tweet_raw": {
        "type": "string",
        "index": "not_analyzed"
    }
}

但这种方案会浪费存储空间，因为相同的内容被存储了两次。

优化方案：多字段特性

Elasticsearch提供了更优雅的解决方案——多字段映射（multifield mapping）。核心字段类型（字符串、数字、布尔值、日期）都支持fields参数，允许我们以多种方式索引同一个字段。

实现多字段映射

下面是一个典型的多字段映射配置示例：

"tweet": {
    "type": "string",
    "analyzer": "english",
    "fields": {
        "raw": {
            "type": "string",
            "index": "not_analyzed"
        }
    }
}

在这个配置中：

• 主字段tweet保持为分析过的字段，用于全文搜索
• 子字段tweet.raw是未分析的，专门用于排序

实际应用示例

配置好多字段映射并重新索引数据后，我们可以这样使用：

GET /_search
{
    "query": {
        "match": {
            "tweet": "elasticsearch"
        }
    },
    "sort": "tweet.raw"
}

这个查询会：

1. 使用分析过的tweet字段进行全文搜索
2. 使用未分析的tweet.raw字段对结果进行排序

性能注意事项

需要注意的是，对全文分析字段进行排序可能会消耗大量内存。这是因为：

• 分析过程会产生多个词项
• 排序操作需要处理所有这些词项
• 对于大数据集，这会显著增加内存使用

因此，在设计索引映射时，应该始终为需要排序的字符串字段创建专门的未分析版本。

总结

通过使用Elasticsearch的多字段特性，我们可以：

• 保持数据存储的高效性（不重复存储）
• 同时支持全文搜索和精确排序
• 灵活地为同一数据创建不同的索引方式

这种技术不仅适用于字符串排序场景，也是Elasticsearch映射设计中一个非常实用的模式。

elasticsearch-definitive-guide The Definitive Guide to Elasticsearch 项目地址: https://gitcode.com/gh_mirrors/el/elasticsearch-definitive-guide