一、elasticsearch之建議器簡介

首先，環境是elasticsearch版本是5.x以上。低版本的沒有測試！

目前為止，瀏覽器都已經具備Suggest as you type功能，即在我們輸入搜索的過程中，進行自動的補全或者糾錯功能，協助用戶輸入更精確的關鍵詞，提高搜索階段的文檔匹配程度。例如我們在百度或谷歌瀏覽器輸入搜索關鍵詞時，雖然我們輸入的有誤，但是瀏覽器依然能夠提示出我們想要的正確結果。

在谷歌瀏覽器中，再輸入剛開始時，會自動補全，而當輸入內容達到一定長度時，如果因為單詞拼寫錯誤而無法補全時，就開始嘗試提示相似的詞。

這些功能，我們能通過elasticsearch實現嗎？答案就在Suggesters API中。
在elasticsearch中，建議功能通過使用建議器基於提供的文本建議類似的詞（官網說部分功能仍在開發中.........）。
注意，目前_suggest已經棄用，我們可以通過_search來做建議器的查詢。在5.0版本中，_search經過優化，變得非常的方便。

Copy

PUT s1
{
  "mappings": {
    "doc": {
      "properties": {
        "title": {
          "type": "text",
          "analyzer": "standard"
        }
      }
    }
  }
}

PUT s1/doc/1
{
  "title": "Lucene is cool"
}

PUT s1/doc/2
{
  "title":"Elasticsearch builds on top of lucene"
}

GET s1/doc/_search
{
  "query": {
    "match": {
      "title": "Lucene"
    }
  },
  "suggest": {
    "my_suggest": {
      "text": "Elasticsear lucen",
      "term": {
        "field": "title"
      }
    }
  }
}

上例是一個包含建議的查詢請求，查詢query我們已經了然。
讓我們注意suggest，每個建議器都有自己名稱my-suggestion，es根據text字段返回建議結果。建議類型是term。從field字段生成建議。

Copy

{
  "took" : 3,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 2,
    "max_score" : 0.2876821,
    "hits" : [
      {
        "_index" : "s1",
        "_type" : "doc",
        "_id" : "2",
        "_score" : 0.2876821,
        "_source" : {
          "title" : "Elasticsearch builds on top of lucene"
        }
      },
      {
        "_index" : "s1",
        "_type" : "doc",
        "_id" : "1",
        "_score" : 0.2876821,
        "_source" : {
          "title" : "Lucene is cool"
        }
      }
    ]
  },
  "suggest" : {
    "my_suggest" : [
      {
        "text" : "elasticsear",
        "offset" : 0,
        "length" : 11,
        "options" : [
          {
            "text" : "elasticsearch",
            "score" : 0.8181818,
            "freq" : 1
          }
        ]
      },
      {
        "text" : "lucen",
        "offset" : 12,
        "length" : 5,
        "options" : [
          {
            "text" : "lucene",
            "score" : 0.8,
            "freq" : 2
          }
        ]
      }
    ]
  }
}

正如結果所示。對於輸入的每個詞條的建議結果，es都會放在options中，如果沒有建議結果，options將會為空。
如果我們僅需要建議而不需要查詢功能，我們可以忽略query而直接使用suggest對象返回建議：

Copy

GET s1/doc/_search
{
  "suggest": {
    "my_sugget": {
      "text": "Elasticsear lucen",
      "term": {
        "field": "title"
      }
    }
  }
}

可以根據需要指定幾組建議器，每組建議器都有自己的名稱。如下例的my_suggest1和my_suggest2。

Copy

GET s1/doc/_search
{
  "suggest": {
    "my_sugget1": {
      "text": "Elasticsear",
      "term": {
        "field": "title"
      }
    },
    "my_suggest2": {
      "text": "lucen",
      "term": {
        "field": "title"
      }
    }
  }
}

在多個建議器中，如果輸入的text字段值一致，可以單獨寫出來，以適用於my_suggest1和my_suggest2兩個建議器：

Copy

GET s1/doc/_search
{
  "suggest": {
    "text": "Elasticsear lucen",
    "my_sugget1": {
      "term": {
        "field": "title"
      }
    },
    "my_suggest2": {
      "term": {
        "field": "title"
      }
    }
  }
}

根據需求不同elasticsearch設計了4種suggester，分別是：

• 詞條建議器（term suggester）：對於給定文本的每個詞條，該鍵議器從索引中抽取要建議的關鍵詞，這對於短字段（如分類標簽）很有效。
• 詞組建議器（phrase suggester）：我們可以認為它是詞條建議器的擴展，為整個文本（而不是單個詞條）提供了替代方案，它考慮了各詞條彼此臨近出現的頻率，使得該建議器更適合較長的字段，比如商品的描述。
• 完成建議器（completion suggester）：該建議器根據詞條的前綴，提供自動完成的功能（智能提示，有點最左前綴查詢的意思），為了實現這種實時的建議功能，它得到了優化，工作在內存中。所以，速度要比之前說的match_phrase_prefix快的多！
• 上下文建議器（context suggester）：它是完成建議器的擴展，允許我們根據詞條或分類亦或是地理位置對結果進行過濾。

---

see also： [elasticsearch官網：Suggesters](https://www.elastic.co/guide/en/elasticsearch/reference/current/search-suggesters.html) 歡迎斧正，that's all