Elasticsearch 6.2.4中如何通过ID片段检索文档？（Rest High Level Client）

首先，咱们得明确：Elasticsearch默认的_id字段是keyword类型，不会被分词，所以直接用普通的match查询是搜不到片段的。下面分两种场景给出最优方案：

场景1：快速实现（无需修改现有映射） #

如果你的数据量不大，或者不想改动现有索引结构，可以直接用Wildcard查询或者Regexp查询来匹配_id的片段。这种方式上手快，缺点是如果通配符放在开头（比如*ne），性能会稍差（因为无法利用前缀索引）。

Java代码示例（Rest High Level Client） #

import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;

import java.io.IOException;

public class IdFragmentSearch {
    public static void searchByIdFragment(RestHighLevelClient client, String fragment) throws IOException {
        // 构建搜索请求
        SearchRequest searchRequest = new SearchRequest("people");
        searchRequest.types("user"); // 6.x版本需要指定类型

        // 构建查询：匹配_id中包含指定片段的文档
        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
        sourceBuilder.query(QueryBuilders.wildcardQuery("_id", "*" + fragment + "*"));
        // 如果需要更精确的正则匹配，可以用RegexpQuery：
        // sourceBuilder.query(QueryBuilders.regexpQuery("_id", ".*" + fragment + ".*"));

        searchRequest.source(sourceBuilder);

        // 执行搜索并处理结果
        SearchResponse response = client.search(searchRequest);
        // 遍历结果（示例）
        response.getHits().forEach(hit -> {
            System.out.println("文档ID: " + hit.getId());
            System.out.println("文档内容: " + hit.getSourceAsString());
        });
    }
}

场景2：高性能方案（修改索引映射） #

如果数据量较大，或者需要频繁进行这类片段检索，建议新增一个专门的字段（比如doc_id），并配置ngram分词器，让Elasticsearch提前为ID的所有子片段建立倒排索引，这样查询性能会大幅提升。

步骤1：修改索引映射 #

首先需要更新people索引的映射，添加doc_id字段并配置ngram分词器：

PUT /people/_mapping/user
{
  "properties": {
    "doc_id": {
      "type": "text",
      "analyzer": "ngram_analyzer",
      "search_analyzer": "standard"
    }
  }
}

PUT /people/_settings
{
  "analysis": {
    "analyzer": {
      "ngram_analyzer": {
        "tokenizer": "ngram_tokenizer"
      }
    },
    "tokenizer": {
      "ngram_tokenizer": {
        "type": "ngram",
        "min_gram": 2,
        "max_gram": 5 // 根据你的ID长度调整，比如你的ID是3位，max_gram设为3即可
      }
    }
  }
}

步骤2：同步现有数据 #

把已有的_id值同步到doc_id字段：

POST /people/_update_by_query
{
  "script": {
    "source": "ctx._source.doc_id = ctx._id"
  }
}

（如果是新写入的文档，可以在写入时直接把_id赋值给doc_id，或者用Ingest Pipeline自动处理）

步骤3：Java代码实现高效查询 #

import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;

import java.io.IOException;

public class HighPerformanceIdSearch {
    public static void searchByDocIdFragment(RestHighLevelClient client, String fragment) throws IOException {
        SearchRequest searchRequest = new SearchRequest("people");
        searchRequest.types("user");

        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
        // 直接用match查询doc_id字段，性能远高于wildcard
        sourceBuilder.query(QueryBuilders.matchQuery("doc_id", fragment));

        searchRequest.source(sourceBuilder);

        SearchResponse response = client.search(searchRequest);
        response.getHits().forEach(hit -> {
            System.out.println("文档ID: " + hit.getId());
            System.out.println("文档内容: " + hit.getSourceAsString());
        });
    }
}

注意事项 #

• 如果使用Wildcard查询，尽量避免把通配符放在开头（比如*ne），这样会导致Elasticsearch无法利用前缀索引，性能下降明显。
• Ngram分词器的min_gram和max_gram参数需要根据你的ID长度合理设置，比如你的ID都是3位，设置min_gram=2、max_gram=3就足够覆盖所有可能的2-3位片段。
• Elasticsearch 6.x已经开始弱化"类型（type）"的概念，如果你后续升级到7.x及以上，需要移除types("user")这部分代码。

内容的提问来源于stack exchange，提问作者driveall