Elasticsearch含空格Terms处理问题及用户索引配置咨询

看了你的索引映射和设置，你现在遇到的应该是带空格的兴趣（比如"mountain climbing"）这类值，在做精确查询、聚合或者terms过滤时，没法正确匹配或返回完整带空格内容的问题对吧？毕竟你的interests、locations、roles都是默认的text类型，会被标准分析器拆分成单个单词的token，导致直接用term查询整个带空格的字符串时找不到结果，或者聚合出来的是拆分后的单个词而不是完整短语。

下面给你几个实用的解决方案，按推荐优先级排序：

1. 给text字段添加keyword子字段（最推荐） #

这是Elasticsearch处理这类场景的标准做法：给需要保留完整带空格值的text字段，新增一个keyword类型的子字段。这样既不影响原text字段的全文搜索能力，又能通过子字段实现精确匹配带空格的完整值。

修改后的映射示例 #

{
  "mappings": {
    "users": {
      "properties": {
        "username": {
          "type": "text",
          "analyzer": "autocomplete",
          "search_analyzer": "autocomplete"
        },
        "interests": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256  // 限制长度，避免过大字符串占用过多内存
            }
          }
        },
        "locations": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        },
        "roles": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        }
      }
    }
  },
  "settings": {
    "analysis": {
      "analyzer": {
        "autocomplete": {
          "type": "custom",
          "tokenizer": "autocomplete",
          "filter": ["lowercase"]
        }
      },
      "tokenizer": {
        "autocomplete": {
          "type": "edge_ngram",
          "min_gram": 3,
          "max_gram": 10
        }
      }
    }
  }
}

使用示例 #

• 精确查询带空格的兴趣：

{
  "query": {
    "term": {
      "interests.keyword": "mountain climbing"
    }
  }
}

• 聚合获取所有带空格的完整兴趣值：

{
  "aggs": {
    "all_interests": {
      "terms": {
        "field": "interests.keyword",
        "size": 100
      }
    }
  }
}

2. 使用match_phrase查询（无需修改映射的临时方案） #

如果暂时不想修改索引映射，只是想查询带空格的短语内容，可以用match_phrase查询。它会匹配按顺序排列的连续token，近似于匹配带空格的短语，但注意这不是精确匹配整个字段值——比如字段值是"mountain climbing in alps"，用match_phrase查"mountain climbing"也能匹配到。

示例：

{
  "query": {
    "match_phrase": {
      "interests": "mountain climbing"
    }
  }
}

3. 自定义分析器保留完整短语（适合特定场景） #

如果你的业务需求是把带空格的短语作为一个完整的token（比如兴趣值都是固定短语，不需要拆分单词搜索），可以给字段指定whitespace分析器（只按空格拆分，但不会做小写转换、词干提取等），或者自定义一个不拆分空格的分析器（比如用keyword分词器）。

自定义分析器示例（设置里新增） #

"settings": {
  "analysis": {
    "analyzer": {
      "autocomplete": {
        "type": "custom",
        "tokenizer": "autocomplete",
        "filter": ["lowercase"]
      },
      "phrase_analyzer": {
        "type": "custom",
        "tokenizer": "keyword",
        "filter": ["lowercase"]
      }
    },
    "tokenizer": {
      "autocomplete": {
        "type": "edge_ngram",
        "min_gram": 3,
        "max_gram": 10
      }
    }
  }
}

字段映射使用该分析器 #

"interests": {
  "type": "text",
  "analyzer": "phrase_analyzer",
  "search_analyzer": "phrase_analyzer"
}

这种方式下，"mountain climbing"会被作为一个完整的token存储，直接用term查询就能匹配到，但代价是失去了按单个单词搜索的能力（比如搜"climbing"就找不到这个兴趣了），所以只适合不需要单个词搜索的场景。

最后提醒：如果已经有数据在索引里，修改映射后需要重新索引数据才能让新的字段生效哦。

内容的提问来源于stack exchange，提问作者Amit