Azure Search中Blob多值元数据拆分映射至索引器的技术问询

直接给结论：在索引器环节拆分多值元数据是唯一能保证Facet统计准确、搜索筛选正常的方案，下面拆解各个选项的优劣和具体实现：

• 否定终端用户体验拆分的方案：
  这种方式完全不可取。因为Azure Search的Facet统计是基于索引中存储的字段值计算的，如果前端拆分返回的Facet项，会导致统计总数错误——比如一个包含三个地理值的文档，会被错误地算成三个独立文档，筛选时也无法正确匹配原文档的多值属性，彻底打乱搜索逻辑。

• 存储方式的说明：
  Blob存储的元数据只能存字符串，所以你需要用统一的分隔符（分号、逗号、竖线都行，只要前后一致）把多值拼接成单个字符串，比如London;UK;Europe。不是只能用逗号，选你觉得不会和值本身冲突的分隔符就行。

• 索引器拆分的具体实现：

  1. 首先在Azure Search的索引定义中，把Geography字段设为Collection(Edm.String)类型，并且开启facetable属性（默认开启，可确认配置）。集合类型是支持多值存储和Facet统计的核心前提。
  2. 在索引器的字段映射中，使用Split函数把分隔符拼接的字符串拆分成集合。示例配置如下：

     {
       "sourceFieldName": "metadata_geography", // 替换为你的Blob元数据字段名
       "targetFieldName": "Geography",
       "mappingFunction": {
         "name": "Split",
         "parameters": { 
           "delimiter": ";", // 和你存储时用的分隔符一致
           "trim": true // 自动去掉每个值前后的空格，避免无效值
         }
       }
     }
     

  3. 索引器运行时，会自动把London;UK;Europe拆分成["London", "UK", "Europe"]存入索引的Geography集合字段。

• Azure Function环节的优化建议：
  在Function中生成元数据时，确保多值拼接用统一的分隔符，并且去掉每个值的多余空格，比如用string.Join(";", geographyList.Select(g => g.Trim()))来生成元数据值，减少索引器处理时的异常。

这样处理后，查询Facet时，Geography的每个值都会显示正确的计数（每个包含该值的文档都会被统计一次），用户筛选任意地理值时，也能准确返回所有包含该值的文档，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Mike Edwards