在此之前，ES所有的查詢都是針對整個詞進行操作，也就是說倒排索引存了hello這個詞，一定得輸入hello才能找到這個詞，輸入 h 或是 he 都找不到倒排索引中的hello

• 然而在現實情況下，使用者已經漸漸習慣在輸入完查詢內容之前，就能為他們展現搜尋結果，這就是所謂的即時搜尋(instant search)，或是可以稱為 輸入即搜尋(search-as-you-type)

• 雖然ES提供了一系列的字首搜尋match_phrase、prefix、wildcard、regexp，然而這樣的查詢的效能非常差，要知道使用者每多輸入一個新的字母，就意味著要重新進行一次搜尋，在實時的web系統中，100毫秒可能就會是一個難以忍受的延遲

• 因此為了加快 輸入即搜尋 的查詢效率，可以改使用edge n-gram建立索引，如此可以避免使用字首查詢，在建立索引時就進行優化，使用空間換取時間，讓查詢的速率增快

使用edge n-gram建立索引

• 假設有一個詞hello，普通建索引時，就是把這個詞hello放入倒排索引

  • 使用者輸入h、he時會找不到索引(倒排索引中只有hello)，因此匹配失敗

• 而對於輸入即搜尋這種應用場景，可以使用一種特殊的n-gram，稱為 邊界n-grams (edge n-grams)

  • 所謂的edge n-gram，就是指它會固定詞語開始的一邊滑動視窗，他的結果取決於 n 的選擇長度

  • 以單詞hello為例，它的edge n-gram的結果如下

    h
    he
    hel
    hell
    hello

  • 因此可以發現到，在使用edge n-gram建索引時，一個單詞會生成好幾個索引，而這些索引一定是重頭開始

  • 這符合了輸入即搜尋的特性，即是使用者打h、he能找到倒排中的索引h、he，而這些索引對應著的資料就是hello

具體例項

• 建立索引時使用edge n-gram的token過濾器，為每個經過這個token過濾器的詞條們，都生成從頭開始的字元組合

  • 假設有一個輸入QUICK! RUN!

    ，分詞器會先將它分詞成兩個詞quick和run，此時這些詞再一一的通過edge n-gram token過濾器，產生了8個索引q、qu、qui、quic、quick、r、ru、run，接著存入倒排索引中

  • 如此，任何詞條像是quick、run，都能生成他們自己的n-gram

• 另外要注意，要額外定義一個search_analyzer分析器，供查詢使用

  • 原因是因為我們為了要保證倒排索引中包含各種組合的詞，所以在建索引時才加入了edge n-gram過濾器，然而在查詢時，我們只想匹配使用者輸入的完整片語，像是使用者的輸入run或qu

  • 因此需要定義兩套分析器，一套是建索引的分析器(包含edge n-gram過濾器)，另一套是查詢使用的正常的分析器

  PUT 127.0.0.1:9200/my_index
  {
      "settings": {
          "number_of_shards": 1,
          "analysis": {
              "filter": {
                  //定義一個edge n-gram的token過濾器，並設定任何通過這個過濾器的詞條，都會生成一個最小固定值為1，最大固定值為20的n-gram
                  "my_autocomplete_filter": {
                      "type": "edge_ngram",
                      "min_gram": 1,
                      "max_gram": 20
                  }
              },
              "analyzer": {
                  //自定義一個分析器，並使用自定義的edge n-gram過濾器
                  "my_autocomplete_analyzer": {
                      "type": "custom",
                      "tokenizer": "standard",
                      "filter": [
                          "lowercase",
                          "my_autocomplete_filter"
                      ]
                  }
              }
          }
      },
      "mapping": {
          "my_type": {
              "properties": {
                  "name": {
                      "type": "text",
                      "analyzer": "my_autocomplete_analyzer", //在索引時用，生成edge n-gram的每個詞
                      "search_analyzer": "standard"  //查詢用，只搜尋使用者輸入的詞
                  }
              }
          }
      }
  }

• 讓非text欄位也能使用edge n-gram

  • 由於edge n-gram是一個token過濾器，他包含在analyzer分析器裡面，因此只有text型別的欄位才能使用 (其他型別的欄位不會被分詞，所以不會使用到analyzer，因此不能用edge n-gram)

  • 但是可能會有一種情況是，有些精確值也希望能通過edge n-gram生成組合，這時就要搭配使用一個叫做keyword的分詞器

    • 注意，此keyword分詞器和keyword欄位型別是不同的東西

    • keyword分詞器主要的功用是，將輸入的詞條，原封不動的output出來，不對其內容做任何改變

    • 因此可以利用這個特性，將精確值的欄位型別改成text，但是分詞器使用keyword，如此就可以避免分詞的效果，又能使用edge n-gram

  • 具體例項

    • 將postcode這個本來是keyword型別的精確值，改成使用text型別並搭配keyword分詞器

    • 因此假設有一個輸入ABC EF，先經過keyword分詞器分詞成ABC EF(和輸入一模一樣)，接著再經過edge n-gram生成A、AB、ABC、ABC (有一個空格) 、ABC E、ABC EF

      • 如果是使用正常的分詞器，生成的edge n-gram會是A、AB、ABC、E、EF，是有差別的

      PUT 127.0.0.1:9200/my_index
      {
          "settings": {
              "analysis": {
                  "filter": {
                      "postcode_filter": {
                          "type": "edge_ngram",
                          "min_gram": 1,
                          "max_gram": 8
                      }
                  },
                  "analyzer": {
                      "postcode_index": {
                          "tokenizer": "keyword",
                          "filter": [
                              "postcode_filter"
                          ]
                      },
                      "postcode_search": {
                          "tokenizer": "keyword"
                      }
                  }
              }
          },
          "mapping": {
              "my_type": {
                  "properties": {
                      "postcode": {
                          "type": "text",
                          "analyzer": "postcode_index",
                          "search_analyzer": "postcode_search"
                      }
                  }
              }
          }
      }