如何在ElasticSearch中启用n-gram分词以支持ngram文本搜索

一、核心逻辑 #

要实现N-Gram分词，需先创建自定义分词器（包含N-Gram过滤器），再在索引字段映射中指定使用该分词器，替代默认的standard分词。

二、具体配置步骤 #

1. 创建带N-Gram分词器的索引 #

先定义索引的settings和mappings，示例如下：

PUT /my_ngram_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_ngram_analyzer": {
          "tokenizer": "standard",
          "filter": ["lowercase", "my_ngram_filter"]
        }
      },
      "filter": {
        "my_ngram_filter": {
          "type": "ngram",
          "min_gram": 2,  // 最小分词长度，可按需调整
          "max_gram": 5   // 最大分词长度，可按需调整
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "target_field": {  // 替换成你需要分词的字段名
        "type": "text",
        "analyzer": "my_ngram_analyzer",  // 索引阶段使用自定义分词器
        "search_analyzer": "standard"     // 搜索阶段可选standard，也可复用自定义分词器
      }
    }
  }
}

• 关键参数说明：
  • min_gram/max_gram：控制分词片段的长度范围，比如设置2-5，会把"elasticsearch"拆成"el""ela""elas"等2到5字符的片段
  • search_analyzer：若设为standard，搜索词按标准分词后匹配索引中的N-Gram片段；若和索引分词器一致，搜索词也会被拆成N-Gram，适合全模糊匹配场景

2. 验证分词效果 #

用_analyze接口测试分词器是否生效：

POST /my_ngram_index/_analyze
{
  "analyzer": "my_ngram_analyzer",
  "text": "elasticsearch"
}

返回结果会显示拆分后的所有N-Gram片段，确认是否符合预期。

3. 通过Bulk API推送数据 #

索引创建完成后，正常使用Bulk API推送数据即可，目标字段会自动用配置的N-Gram分词器处理：

POST _bulk
{"index": {"_index": "my_ngram_index", "_id": "1"}}
{"target_field": "Elasticsearch is a distributed search engine"}
{"index": {"_index": "my_ngram_index", "_id": "2"}}
{"target_field": "N-gram分词适合前缀、中缀模糊搜索"}

4. 搜索测试 #

比如搜索"elastic"，即使输入的是部分字符，也能匹配到包含"Elasticsearch"的文档：

POST /my_ngram_index/_search
{
  "query": {
    "match": {
      "target_field": "elastic"
    }
  }
}

三、注意事项 #

• 调整min_gram和max_gram时要平衡性能与效果：过小会导致索引体积暴增，过大则失去模糊匹配的意义
• 已存在的索引无法直接修改字段分词器，需重建索引并迁移数据
• 若需要对搜索词也做N-Gram拆分，将search_analyzer设为my_ngram_analyzer即可

内容的提问来源于stack exchange，提问作者mayur07