Elasticsearch standard analyzer下数字字母组合词条匹配问题咨询

问题根因 #

1. 你当前使用的fuzzy、wildcard都属于词条级查询，不会对输入的查询文本做分词处理，你输入的300CT会作为完整单个词条，直接和倒排索引中已有的词条（只有拆分后的paper、towel、300、ct等独立词条）做匹配，自然无法命中。
2. 你使用的standard分析器会将带空格的300 CT拆分为两个独立词条，倒排索引中不存在300CT这类合并形态的词条，进一步导致匹配失败。

解决方案 #

方案1：更换查询方式（无需调整索引，成本最低）

将词条级查询替换为支持自动分词的match查询即可，示例语句如下：

{
  "query": {
    "match": {
      "ec_item_name": {
        "query": "300CT",
        "operator": "or"
      }
    }
  }
}

原理：match查询会默认使用字段绑定的standard分析器对输入文本做分词，输入的300CT会被拆分为300、ct两个词条，只要文档中存在任意一个匹配词条就会命中，完全满足你要求的双向匹配效果。

方案2：自定义分析器（匹配精度更高，适合长期业务使用）

可以通过内置的word_delimiter_graph令牌过滤器自定义分析器，该过滤器专门处理数字、字母混合的词条，会自动生成拆分、合并两种形态的词条存入倒排索引，配置示例如下：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "alnum_mix_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "word_delimiter_graph"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "ec_item_name": {
        "type": "text",
        "analyzer": "alnum_mix_analyzer"
      }
    }
  }
}

该分析器的分词效果：

• 输入300 CT：生成300、ct两个词条
• 输入300CT：生成300、ct、300ct三个词条
  不管输入查询词是300还是300CT都可以实现双向匹配。

内容的提问来源于stack exchange，提问作者Ryanmc174