• update数据

  def update_dupid_field(_id, key, value, pub_time):
    """更新es字段数据"""
    updateBody = {
        "doc": {
            key: value,
        }
    }
    status = es.update(index='article_news_' + str(pub_time)[:7],
                       doc_type=doc_type,
                       id=_id,
                       body=updateBody)
    if status['_shards']['total'] != status['_shards']['successful']:
        logger.info('update_dupid_field')
        logger.info(status)
  

• 添加子字段

  • 路由

    my_index/_mapping/
    

  • body

    {
    "properties": {
    "risk_cp_score": {
      "type": "nested",
      "properties": {
        "cp_summary": {
          "type": "text",
          "analyzer": "qh_analyzer",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        }
      }
    }
    }
    }
    

• analyzer和search_analyzer的区别

分析器主要有两种情况会被使用： 第一种是插入文档时，将text类型的字段做分词然后插入倒排索引， 第二种就是在查询时，先对要查询的text类型的输入做分词，再去倒排索引搜索

如果想要让 索引 和 查询 时使用不同的分词器，ElasticSearch也是能支持的，只需要在字段上加上search_analyzer参数

在索引时，只会去看字段有没有定义analyzer，有定义的话就用定义的，没定义就用ES预设的

在查询时，会先去看字段有没有定义search_analyzer，如果没有定义，就去看有没有analyzer，再没有定义，才会去使用ES预设的

{
  "properties": {
    "sentence": {
      "type": "text",
      "fields": {
        "ngram": {
          "type": "text",
          "analyzer": "ngram_analyzer",
          "search_analyzer": "ngram_analyzer" 
        }
      },
      "analyzer": "stopwords_analyzer"
      "search_analyzer": "stopwords_analyzer" 
    }

如果mapping时，同一个字段search_analyzer analyzer一致，索引信息就不显示search_analyzer，默认写入分词和搜索分词是一致的。

• 分析tokenzer

  POST my_index/_analyze
  {
  "analyzer": "my_analyzer",
  "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
  }