aws - ¿Por qué el campo "not_analyzed" de Elasticsearch está dividido en términos?

elasticsearch tutorial

Question

Tengo el siguiente campo en mi definición de mapeo:

...
"my_field": {
  "type": "string",
  "index":"not_analyzed"
}
...

Cuando my_field = ''test-some-another'' un documento con el valor de my_field = ''test-some-another'' ese valor se divide en 3 términos: test , some , another .

¿Qué estoy haciendo mal?

Creé el siguiente índice:

curl -XPUT localhost:9200/my_index -d ''{
   "index": {
    "settings": {
      "number_of_shards": 5,
      "number_of_replicas": 2
    },
    "mappings": {
      "my_type": {
        "_all": {
          "enabled": false
        },
        "_source": {
          "compressed": true
        },
        "properties": {
          "my_field": {
            "type": "string",
            "index": "not_analyzed"
          }
        }
      }
    }
  }
}''

Luego indico el siguiente documento:

curl -XPOST localhost:9200/my_index/my_type -d ''{
  "my_field": "test-some-another"
}''

Luego uso el complemento https://github.com/jprante/elasticsearch-index-termlist con la siguiente API: curl -XGET localhost:9200/my_index/_termlist Eso me da la siguiente respuesta:

{"ok":true,"_shards":{"total":5,"successful":5,"failed":0},"terms": ["test","some","another"]}

Answer 1

En ElasticSearch, un campo se indexa cuando va dentro del índice invertido, la estructura de datos que lucene utiliza para proporcionar sus capacidades de búsqueda de texto completo grandes y rápidas. Si desea buscar en un campo, debe indexarlo. Cuando indexa un campo, puede decidir si desea indexarlo tal como está, o si desea analizarlo, lo que significa decidir si un tokenizador se aplicará a él, lo que generará una lista de tokens (palabras) y una lista de tokens. filtros que pueden modificar los tokens generados (incluso agregar o eliminar algunos). La forma en que indexa un campo afecta cómo puede buscar en él. Si indexa un campo pero no lo analiza, y su texto está compuesto por varias palabras, podrá encontrar ese documento solo buscando ese texto específico exacto, incluidos los espacios en blanco.

Puede tener campos en los que solo desea buscar y nunca mostrar: indexados y no almacenados (predeterminado en lucene). Puede tener campos en los que quiera buscar y también recuperar: indexados y almacenados. Puede tener campos en los que no desea buscar, pero desea recuperarlos para mostrarlos.

Answer 2

Verifique que la asignación realmente se establece ejecutando:

curl localhost:9200/my_index/_mapping?pretty=true

El comando que crea el índice parece ser incorrecto. No debe contener "index" : { como elemento raíz. Prueba esto:

curl -XPUT localhost:9200/my_index -d ''{
  "settings": {
    "number_of_shards": 5,
    "number_of_replicas": 2
  },
  "mappings": {
    "my_type": {
      "_all": {
        "enabled": false
      },
      "_source": {
        "compressed": true
      },
      "properties": {
        "my_field": {
          "type": "string",
          "index": "not_analyzed"
        }
      }
    }
  }
}''