Elasticsearch Edge NGRAM Tokenizer搜索无结果问题求助

你的问题出在搜索分析器的设置和match查询的operator参数的组合上，具体拆解如下：

• 索引阶段：文档中的آلمان被autocomplete分析器（edge-ngram）拆分为一系列前缀token：آل, آلم, آلما, آلمان（因为آلمان长度为4，max_gram是10，所以生成到完整词）。
• 搜索阶段：当你搜索آلمانی时，autocomplete_search分析器（同样是edge-ngram）会把查询词拆分为：آل, آلم, آلما, آلمان, آلمانی。
• 查询条件冲突：你的match查询使用了operator: and，这要求所有搜索生成的token都必须在文档中存在。但文档里的token没有آلمانی，所以整个查询条件不满足，返回0结果。
• 为什么搜索آلما有效：搜索آلما时生成的token是آل, آلم, آلما，这些都在文档的token列表里，and条件自然满足，因此能命中目标文档。

方案1：修改match查询的operator为or（快速调整） #

把查询中的operator从and改成or，这样只要有一个搜索token匹配就能命中结果。因为آلمان这个token存在于文档中，所以搜索آلمانی时会返回目标文档：

GET /test/_search
{
  "query": {"match": { "title": {"query": "آلمانی" , "operator": "or"} }}
}

方案2：调整搜索分析器（规范的autocomplete配置） #

autocomplete的最佳实践是索引时用edge-ngram生成前缀token，搜索时用普通分析器（不做ngram拆分），这样可以避免查询词被过度拆分导致的问题。修改你的索引设置：

PUT /test/_settings
{
  "analysis": {
    "analyzer": {
      "autocomplete_search": {
        "tokenizer": "standard",
        "filter": [ "lowercase" ]
      }
    }
  }
}

之后，你可以用match_phrase_prefix查询实现前缀匹配，这样搜索آلمانی时，会匹配文档中以آلمانی前缀开头的词（包括آلمان，因为它是آلمانی的前缀）：

GET /test/_search
{
  "query": {"match_phrase_prefix": { "title": "آلمانی" }}
}

也可以使用普通的match查询（默认operator是or），同样能命中包含匹配token的文档。

方案3：使用前缀查询（Wildcard） #

如果你不想修改分析器，也可以直接用wildcard查询来匹配前缀：

GET /test/_search
{
  "query": {"wildcard": { "title": "آلمان*" }}
}

⚠️ 注意：wildcard查询的性能不如基于ngram的查询，尤其是当索引规模较大时，因此优先考虑前两个方案。

内容的提问来源于stack exchange，提问作者Parisa Payami