solr语法转化

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。