• 多值字段字符串排序

    多值字段字符串排序

    译者注: 多值字段是指同一个字段在ES索引中可以有多个含义，即可使用多个分析器(analyser)进行分词与排序，也可以不添加分析器，保留原值。

    被分析器(analyser)处理过的字符称为analyzed field(译者注：即已被分词并排序的字段，所有写入ES中的字段默认圴会被analyzed), analyzed字符串字段同时也是多值字段，在这些字段上排序往往得不到你想要的值。
    比如你分析一个字符 "fine old art",它最终会得到三个值。例如我们想要按照第一个词首字母排序，
    如果第一个单词相同的话，再用第二个词的首字母排序，以此类推，可惜 ElasticSearch 在进行排序时
    是得不到这些信息的。

    当然你可以使用 min 和 max 模式来排（默认使用的是 min 模式）但它是依据art 或者 old排序，
    而不是我们所期望的那样。

    为了使一个string字段可以进行排序，它必须只包含一个词：即完整的not_analyzed字符串(译者注：未经分析器分词并排序的原字符串)。
    当然我们需要对字段进行全文本搜索的时候还必须使用被 analyzed 标记的字段。

    在 _source 下相同的字符串上排序两次会造成不必要的资源浪费。
    而我们想要的是同一个字段中同时包含这两种索引方式，我们只需要改变索引(index)的mapping即可。
    方法是在所有核心字段类型上，使用通用参数 fields对mapping进行修改。
    比如，我们原有mapping如下：

    1. "tweet": {
    2.     "type":     "string",
    3.     "analyzer": "english"
    4. }

    改变后的多值字段mapping如下：

    1. "tweet": { <1>
    2.     "type":     "string",
    3.     "analyzer": "english",
    4.     "fields": {
    5.         "raw": { <2>
    6.             "type":  "string",
    7.             "index": "not_analyzed"
    8.         }
    9.     }
    10. }

    <1> tweet 字段用于全文本的 analyzed 索引方式不变。

    <2> 新增的 tweet.raw 子字段索引方式是 not_analyzed。

    现在，在给数据重建索引后，我们既可以使用 tweet 字段进行全文本搜索，也可以用tweet.raw字段进行排序：

    1. GET /_search
    2. {
    3.     "query": {
    4.         "match": {
    5.             "tweet": "elasticsearch"
    6.         }
    7.     },
    8.     "sort": "tweet.raw"
    9. }

    警告：
    对 analyzed 字段进行强制排序会消耗大量内存。
    详情请查阅《字段类型简介》相关内容。