Elasticsearch术语聚合中拆分多艺人字段请求协助

核心问题分析 #

你的Artist Name(s)字段当前是按整体字符串索引的，未将逗号分隔的艺人名称拆分为独立term，导致terms聚合无法按单个艺人统计歌曲数量。

具体解决方案 #

1. 创建自定义分词器 #

先在索引设置中定义一个按逗号拆分文本的分词器：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "comma_split_analyzer": {
          "tokenizer": "comma_split_tokenizer"
        }
      },
      "tokenizer": {
        "comma_split_tokenizer": {
          "type": "pattern",
          "pattern": ","
        }
      }
    }
  }
}

该分词器会以逗号为分隔符，将字段内容拆分为独立的艺人名称。

2. 修改字段Mapping #

给Artist Name(s)字段添加多字段（multi-field），使用上述自定义分词器，同时保留原字段的完整值：

{
  "mappings": {
    "properties": {
      "Artist Name(s)": {
        "type": "text",
        "fields": {
          "split": {
            "type": "text",
            "analyzer": "comma_split_analyzer",
            "fielddata": true
          }
        }
      }
    }
  }
}

注意：若索引已有数据，修改mapping后需重新索引所有数据，新分词规则才会生效。

3. 基于拆分字段执行聚合 #

调整聚合查询，使用Artist Name(s).split字段进行terms聚合：

{
  "size": 0,
  "aggs": {
    "artist_count": {
      "terms": {
        "field": "Artist Name(s).split",
        "size": 100
      }
    }
  }
}

额外优化建议 #

如果艺人名称前后带空格（例如"周杰伦, 陈奕迅"），可在分词器中添加trim过滤器去除空格：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "comma_split_analyzer": {
          "tokenizer": "comma_split_tokenizer",
          "filter": ["trim"]
        }
      },
      "tokenizer": {
        "comma_split_tokenizer": {
          "type": "pattern",
          "pattern": ","
        }
      }
    }
  }
}

这样拆分后的艺人名称无多余空格，聚合结果更精准。

内容的提问来源于stack exchange，提问作者Ant_brun