UUID的弹性搜索Ngram标记器性能

Question

最大ngram 36

在速度和内存方面，这会得到真正糟糕的加班吗？有没有更好的方法来部分搜索UUID？例如，我有7e222584-0818-49b0-875b-2774f4bf939b，我希望能够使用9b0搜索它

Answer 1

是的，这将为每个UUID创建大量的令牌，实际上是36+35+34+33+...+1=(1+36)*(36/2)=666个令牌，这是不鼓励的。即使在创建ngram令牌筛选器时，min和max之间的默认可接受距离也是1，因此您必须在索引设置中重写该距离，这给出了一个第一个指示，即这可能不是正确的做法。

您可能想尝试一下新的通配符查询字段，这可能会做得更好。

您可以通过创建两个索引并在两个索引中索引相同数量（但相当大的数量）的UUID，然后比较它们的大小来轻松地比较这两种方法。

PUT uuid1
{
  "settings": {
    "index.max_ngram_diff": 36,
    "analysis": {
      "analyzer": {
        "uuid": {
          "tokenizer": "keyword",
          "filter": [
            "ngram"
          ]
        }
      },
      "filter": {
        "ngram": {
          "type": "ngram",
          "min_gram": 1,
          "max_gram": 36
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "uuid": {
        "type": "text",
        "analyzer": "uuid",
        "search_analyzer": "standard"
      }
    }
  }
}

PUT uuid2
{
  "mappings": {
    "properties": {
      "uuid": {
        "type": "wildcard"
      }
    }
  }
}

然后在以下两个中索引相同的数据：

POST _bulk/_doc
{ "index": {"_index": "uuid1"}}
{ "uuid": "7e222584-0818-49b0-875b-2774f4bf939b"}
{ "index": {"_index": "uuid2"}}
{ "uuid": "7e222584-0818-49b0-875b-2774f4bf939b"}

最后，您可以比较它们的大小，您可以看到UUID索引将大于UUID2索引。这里是3倍，但您可能需要索引更多的数据，以得出更好的比率：

GET _cat/shards/uuid*?v

index shard prirep state   docs  store ip          node
uuid1 0     p      STARTED    1 10.6kb 10.0.33.86  instance-0000000062
uuid2 0     p      STARTED    1  3.5kb 10.0.12.26  instance-0000000042

利用通配符在第二个索引上进行搜索，可以像下面这样非常容易地完成，因此它就像使用ngrams在索引上进行match查询一样简单：

POST uuid2/_search
{
  "query": {
    "wildcard": {
      "uuid": "*9b0*"
    }
  }
}