如何将企业关联多Blob内容合并为单个Azure Search记录？

这个一对多的关联合并场景确实比一对一要复杂些，但Azure Search其实有现成的方案能搞定，我给你拆解下具体实现思路和步骤：

本质是把CosmosDB里的企业作为主索引实体，将其关联的所有Blob文档内容提取后合并到同一个索引字段中，最终实现跨数据源的全文搜索。

1. 先做好数据源的关联标识准备 #

首先得确保两个数据源能精准关联：

• CosmosDB中的企业文档必须有一个唯一的标识字段（比如companyId），作为关联的主键。
• Blob存储里的每个文档，要么在Blob元数据中添加companyId字段，要么采用包含该标识的命名规则（比如{companyId}_contract.pdf），让索引器能识别哪些文档属于哪家企业。

2. 两种实现方案，按需选择 #

方案一：纯内置技能实现（零代码） #

适合不需要自定义合并逻辑的场景，靠Azure Search的内置技能串起流程：

• 第一步：创建CosmosDB索引器作为主数据源，同时将Blob存储添加为辅助数据源，通过索引器配置指定两个数据源的关联字段（比如用companyId做匹配）。
• 第二步：构建技能集，先用Shaper技能将每个Blob提取出的文本内容与对应的companyId绑定；再用MergeSkill按companyId分组，把同一企业下的所有文档内容拼接成一个完整字符串。
• 第三步：在索引字段映射中，将合并后的字符串关联到Azure Search索引的content字段。
• 小提示：调整索引器的batchSize参数，确保能批量处理同一企业的多份文档，避免遗漏。

方案二：自定义Web技能（适合复杂合并逻辑） #

如果需要过滤特定文档、给不同类型文档添加前缀标注等自定义操作，可以写一个轻量Web API作为自定义技能：

• API逻辑很简单：接收包含companyId和文档文本的批量输入，按companyId分组后拼接内容（比如给PDF文档加[PDF]前缀，Word文档加[DOCX]前缀）。
• 在Azure Search技能集中配置调用这个自定义API，将返回的合并内容写入索引的content字段。

3. 索引与索引器的关键配置细节 #

• 确保Azure Search索引的content字段设置为Searchable和Retrievable，既支持全文搜索，也能返回合并后的内容。
• 开启Blob索引器的文档自动解析功能（默认开启），Azure Search会自动提取.docx、.pdf里的文本内容，不需要自己处理格式解析。
• 开启增量索引，只处理新增或修改的企业文档与Blob，提升同步效率。

4. 测试验证步骤 #

• 先拿单家企业的2-3份文档做测试，查看Azure Search索引中该企业的content字段是否正确合并了所有文档内容。
• 用Azure Search的测试查询功能，搜索文档中的关键词，验证是否能精准关联到对应的企业数据。

内容的提问来源于stack exchange，提问作者Sadiq Khoja