ElasticSearch索引如何关联字段实现跨字段高亮匹配并返回对应时间

你当前的索引结构无法直接实现该需求，核心原因是文本字段text的分词结果和start字段里的时间戳没有绑定对应关系，ES无法感知哪个词对应哪个时间节点。可以通过调整索引结构+配合查询实现需求，首选方案如下： #

1. 调整索引Mapping设计 #

将逐词和对应的时间戳绑定为嵌套对象存储，Mapping示例：

{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "full_text": {
        "type": "text",
        "store": true
      },
      "word_timestamps": {
        "type": "nested",
        "properties": {
          "word": {
            "type": "text"
          },
          "start": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

2. 写入数据时做预处理 #

把原始的text按空格拆分得到单个词，和start按空格拆分后的时间戳一一对应，存入word_timestamps数组。你给出的示例数据写入后结构如下：

{
  "id": "xxx-xxx",
  "full_text": "ALICE was beginning to get very tired of sitting by her sister on the bank, and of having nothing to do",
  "word_timestamps": [
    {"word": "ALICE", "start": "0:00:01.94"},
    {"word": "was", "start": "0:00:02.30"},
    // 中间其他词省略
    {"word": "very", "start": "0:00:03.30"},
    {"word": "tired", "start": "0:00:03.42"},
    // 后续其他词省略
  ]
}

3. 构造查询语句 #

使用nested短语查询+inner_hits返回匹配到的词和对应时间，查询语句示例：

{
  "query": {
    "nested": {
      "path": "word_timestamps",
      "query": {
        "match_phrase": {
          "word_timestamps.word": "very tired"
        }
      },
      "inner_hits": {
        "_source": ["word_timestamps.word", "word_timestamps.start"]
      }
    }
  }
}

查询返回结果的inner_hits字段中会包含匹配到的very和tired两个对象，直接拼接即可得到你期望的输出结果。 #

备选方案 #

如果不想调整索引结构，也可以使用ES的payload分词插件，在自定义分词阶段把每个词的时间戳作为附加 payload 存入词条，查询时提取匹配词条的payload即可，该方案需要自定义分词器，开发成本略高于上述首选方案。

内容的提问来源于stack exchange，提问作者Regitzu