Elasticsearch 5.2.2：术语聚合不区分大小写

Question

我试图在关键字类型字段上进行不区分大小写的聚合，但在使其工作时遇到了问题。

到目前为止，我尝试的是添加一个名为“小写”的自定义分析器，它使用“关键字”标记器和“小写”过滤器。然后，我在映射中添加了一个名为“use_lowercase”的字段，用于我想要使用的字段。我还想保留现有的“文本”和“关键字”字段组件，因为我可能想在字段中搜索术语。

以下是索引定义，包括自定义分析器：

PUT authors
{
  "settings": {
    "analysis": {
      "analyzer": {
        "lowercase": {
          "type": "custom",
          "tokenizer": "keyword",
          "filter": "lowercase"
        }
      }
    }
  },
  "mappings": {
    "famousbooks": {
      "properties": {
        "Author": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            },
            "use_lowercase": {
              "type": "text",
              "analyzer": "lowercase"
            }
          }
        }
      }
    }
  }
}

现在，我添加了两条记录，其作者相同，但案例不同：

POST authors/famousbooks/1
{
  "Book": "The Mysterious Affair at Styles",
  "Year": 1920,
  "Price": 5.92,
  "Genre": "Crime Novel",
  "Author": "Agatha Christie"
}

POST authors/famousbooks/2
{
  "Book": "And Then There Were None",
  "Year": 1939,
  "Price": 6.99,
  "Genre": "Mystery Novel",
  "Author": "Agatha christie"
}

到目前为止还不错。现在如果我根据作者进行术语聚合，

GET authors/famousbooks/_search
{
  "size": 0,
  "aggs": {
    "authors-aggs": {
      "terms": {
        "field": "Author.use_lowercase"
      }
    }
  }
}

我得到以下结果：

{
  "error": {
    "root_cause": [
      {
        "type": "illegal_argument_exception",
        "reason": "Fielddata is disabled on text fields by default. Set fielddata=true on [Author.use_lowercase] in order to load fielddata in memory by uninverting the inverted index. Note that this can however use significant memory."
      }
    ],
    "type": "search_phase_execution_exception",
    "reason": "all shards failed",
    "phase": "query",
    "grouped": true,
    "failed_shards": [
      {
        "shard": 0,
        "index": "authors",
        "node": "yxcoq_eKRL2r6JGDkshjxg",
        "reason": {
          "type": "illegal_argument_exception",
          "reason": "Fielddata is disabled on text fields by default. Set fielddata=true on [Author.use_lowercase] in order to load fielddata in memory by uninverting the inverted index. Note that this can however use significant memory."
        }
      }
    ],
    "caused_by": {
      "type": "illegal_argument_exception",
      "reason": "Fielddata is disabled on text fields by default. Set fielddata=true on [Author.use_lowercase] in order to load fielddata in memory by uninverting the inverted index. Note that this can however use significant memory."
    }
  },
  "status": 400
}

因此，在我看来，聚合认为搜索字段是文本而不是关键字，因此给了我fielddata警告。我认为ES足够复杂，可以识别术语字段实际上是一个关键字（通过自定义分析器），因此可以聚合，但事实并非如此。

如果我将“fielddata”：true添加到Author的映射中，那么聚合就可以正常工作了，但如果在设置此值时出现堆使用率高的可怕警告，我会犹豫是否这样做。

做这种类型的不敏感关键字聚合有最佳实践吗？我希望我可以在映射部分说"type"："keyword"，"filter"："小写"，但这似乎不可用。

如果我走“fielddata”：true，感觉我不得不使用太大的棍子才能让它工作。在此方面的任何帮助都将不胜感激！

Answer 1

您确实将use_小写定义为文本：

“use_lowercase”：{“type”：“text”，“analyzer”：“lowercase”}

尝试将其定义为type： keyword-它帮助我解决了排序时遇到的类似问题。

Answer 2

匿名用户

在默认情况下，这似乎是不可能的（没有“小写”规范化器），但没有它，您可以使用技巧-在不区分大小写的正则表达式匹配中翻译字符串。

e、 g.对于字符串“bar”-不区分大小写的正则表达式将是“[bB][aA][rR]”

我使用python助手来执行此操作：

def case_insensitive_regex_from_string(v):
    if not v:
        return v
    zip_obj = zip(itertools.cycle('['), v, v.swapcase(), itertools.cycle(']'))
    return ''.join(''.join(x) for x in zip_obj)

Answer 3

事实证明，解决方案是使用自定义规范化器，而不是自定义分析器。

PUT authors
{
  "settings": {
    "analysis": {
      "normalizer": {
        "myLowercase": {
          "type": "custom",
          "filter": [ "lowercase" ]
        }
      }
    }
  },
  "mappings": {
    "famousbooks": {
      "properties": {
        "Author": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            },
            "use_lowercase": {
              "type": "keyword",
              "normalizer": "myLowercase",
              "ignore_above": 256
            }
          }
        }
      }
    }
  }
}

然后，这允许使用fieldAuthor聚合术语。使用小写字母。