有无懂elasticsearch的大佬

精彩的小杨

请教一下elasticsearch模糊cha询索引创建问题


字段是 type和Number
type需要储存快递公司名称
Number需要储存单号

如何创建索引才能实现快速的模糊cha询
示例

GET /express/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "type": "某某中通快递点"
          }
        },
        {
          "wildcard": {
            "Number": {
              "value": "2????????????3"
            }
          }
        }
      ]
    }
  }
}

尝试使用wildcardcha询太慢，有没有其他的方法可以实现，如何创建索引请大佬指点一二

ShenMir

json取值就行

ShenMir

json对你这个的例子 你可以自己在进行修改 速度很快哦

1752328925

为了在Elasticsearch中实现快速的模糊cha询，可以考虑使用以下几种策略来优化你的索引和cha询性能：

1. **使用合适的分词器（Analyzer）**：对于`type`字段中的快递公司名称，你可以使用标准分词器或者自定义一个适合你数据的分词器。这样可以在存储时将文本分解为更小的单元，便于后续进行匹配cha询。

2. **启用n-gram或edge n-gram过滤器**：这是提高模糊搜索性能的一个常见方法。通过在索引时创建多个子字符串（n-grams），可以在cha询时更快地匹配相似的词。你需要在索引设置中配置一个自定义分析器，包括n-gram或edge n-gram类型的tokenizer或filter。

    示例：
    ```json
    PUT /express
    {
      "settings": {
        "analysis": {
          "analyzer": {
            "custom_ngram_analyzer": {
              "tokenizer": "my_tokenizer"
            }
          },
          "tokenizer": {
            "my_tokenizer": {
              "type": "ngram",
              "min_gram": 3,
              "max_gram": 3,
              "token_chars": [
                "letter",
                "digit"
              ]
            }
          }
        }
      },
      "mappings": {
        "properties": {
          "type": {
            "type": "text",
            "analyzer": "custom_ngram_analyzer"
          },
          "Number": {
            "type": "text",
            "analyzer": "custom_ngram_analyzer"
          }
        }
      }
    }
    ```
    注意，上面的例子是一个简化版，实际应用中可能需要根据具体需求调整参数。

3. **避免直接使用wildcardcha询**：Wildcardcha询可能会比较慢，特别是对于前缀模式（例如以某个字符开头）。如果必须使用类似的功能，考虑使用上述的n-gram技术替代。

4. **使用match_phrase_prefix代替wildcard**：对于部分匹配的情况，有时候使用`match_phrase_prefix`比直接使用wildcard效率更高。

5. **对Number字段进行特殊处理**：由于快递单号通常由数字组成，且长度固定或有规律，可以考虑对这个字段采取不同的策略，比如不分词，直接作为`keyword`类型，并使用专门的数字范围cha询或其他更适合的技术。

请根据你的具体需求和数据特性选择合适的方法。记住，在做出改变之前，最好先在一个测试环境中进行尝试，以评估其对你特定情况的影响。