Schema
OpenSearch支持多种数据类型及分词方式,可以满足绝大多数场景下的需求。具体参考如下:
目前支持的类型:INT、FLOAT、DOUBLE、LITERAL及其各自的ARRAY类型、TEXT、SHORT_TEXT;
DynamicField:暂不支持,OpenSearch支持修改应用结构,可以先通过动态修改的方式来绕过;
CopyField:暂不支持,可以离线预先合并。
字段个数限制:256。超过限制的业务可以考虑将非区间段查询(精准匹配)的若干字段利用ARRAY类型合并成一个字段,来减少总字段个数的方式绕过。
patternTokenizer:目前OpenSearch支持自定义分词,但是分隔符默认为\t,需要将原有分隔符转化为\t即可。
location:转化为两个字段float或者double字段,分别用来存储经纬度值。
bool:转化为INT型,值为0/1。
date:转化为INT型,数据库源会自动转成毫秒时间戳,API推送的需要手动转化;
payload analyzer:暂不支持。
bitwise分词:暂不支持。
庖丁分词:使用OpenSearch中文基础分词。
搜索语法
OpenSearch目前支持查询、过滤、统计、聚合、排序等功能。
q:必选参数,相当于OpenSearch中query查询,具体转化规则如下:
q 转化规则 |
---|
‘:‘ 暂不支持 |
range索引,用filter的区间段来转化 |
+A ==> A |
-A ==> 不支持 |
A AND B ==> A AND B |
A AND -B ==> A ANDNOT B |
A OR B ==> A OR B |
A OR +B ==> A RANK B |
A AND B OR C ==> A AND B RANK C, e.g:红富士 AND 苹果 OR 山东 |
A OR B AND C ==> B AND C RANK A, e.g:红富士 OR 苹果 AND 山东 |
A AND B OR +C ==> A AND B AND C, e.g:红富士 AND 苹果 OR +山东 |
A OR +B AND C ==> B AND C RANK A, e.g:红富士 OR +苹果 AND 山东 |
+A OR B AND C ==> A AND B AND C, e.g:+红富士 OR 苹果 AND 山东 |
A AND B OR -C ==> (A AND B) ANDNOT C, e.g:红富士 AND 苹果 OR -山东 |
A AND -B OR C ==> A ANDNOT B RANK C, e.g:苹果 AND -红富士 OR 山东 |
-A AND B OR C ==> B ANDNOT A RANK C, e.g:-红富士 AND 苹果 OR 山东 |
A OR B AND -C ==> B ANDNOT C RANK A, e.g:红富士 OR 苹果 AND -山东 |
A OR -B AND C ==> C ANDNOT B RANK A, e.g:红富士 OR -山东 AND 苹果 |
-A OR B AND C ==> (B AND C) ANDNOT A, e.g:-红富士 OR 山东 AND 苹果 |
A OR B OR -C == A OR -C OR B == -C OR A OR B ==> (A OR B) ANDNOT C |
A AND B OR C AND D ==> A AND B AND C AND D |
fq:用来过滤,只影响召回不影响算分。非模糊查询使用filter,模糊查询走query,排序的时候不要考虑该字段即可;
fl:使用OpenSearch fetch_fields参数来定义返回值;
hl:在控制台上配置结果摘要和飘红;
start,rows: config 子句中的start和hit;
wt:config子句中的format;
df:查询的默认字段;
sort:filed desc => -filed;field asc=> +field;score=>sort=RANK;
facet:字段必须配置索引属性。
统计转化规则 |
---|
facet.field => OpenSearch aggregate子句中的group_key参数 |
facet.limit => OpenSearch aggregate子句中的max_group,默认为1000 |
facet.mincount => 暂不支持,需要全部结果拿回去自行处理 |
facet.offset => 暂不支持,需要全部结果拿回去自行翻页 |
facet.sort => 暂不支持,需要全部结果拿回去自行排序 |
facet=true&facet.field=price&facet.limit=200 ==> aggregate=group_key:price,agg_fun:count(),max_group:200 |
group:暂不支持。某些简单的场景可以考虑OpenSearch中的distinct子句,并结合sort来做组内排序。
stats:部分功能对应OpenSearch中的aggregate子句,但是agg_func仅支持min, max, count, avg,暂不支持missing、sumOfSquares、mean、stddev、distinctValue、countDistinct。
搜索功能
深度翻页:目前OpenSearch提供两个查询接口,一个是search,一个是scroll。search是常规的查询场景,最多支持5000个结果返回,可以翻页,每页最大500个;scroll为数据导出场景,可以支持千万级别数据导出,但不支持排序,可以将结果拿回去做二次分析。
统计结果准确性:为了保证更优的检索性能,目前OpenSearch在很多情况下会做抽样和预估,这样会导致统计结果不是很精准。
搜索结果total值:为了保证搜索性能,数据量很大的情况下(跟总数据量无关,主要是查询召回量超过百万以上),仍然会做预估。
多OR查询:目前query长度限制编码后1K,如果OR查询较多会导致报错无结果,建议增加个数限制,或者并发多次查询再自行做结果merge。