Elasticsearch 2.20 高亮显示

HalBroinows 8年前

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