如何为自动完成的字段创建索引

字符串

必需

标识该字段类型的人类可读标签。值必须为字符串。

字符串

可选

要用于该自动完成映射的分析器名称。除了 lucene.kuromoji 语言分析器和以下自定义分析器分词器和词元筛选器以外，您可以使用任何 Atlas Search 分析器：

• nGram 分词器

• edgeGram 分词器

• daitchMokotoffSoundex 令牌筛选器

• nGram 词元筛选器

• edgeGram 词元筛选器

• shingle 词元过滤器

lucene.standard

int

可选

每个索引序列的最大字符数。该值限制索引词元的字符长度。在搜索长度超过 maxGrams 值的词语时，Atlas Search 将词元截断为 maxGrams 长度。

15

int

可选

每个索引序列的最小字符数。我们建议将 4 作为最小值。小于 4 的值可能会影响性能，因为索引可能会变得非常大。我们建议仅对 edgeGram 使用默认值 2。

2

枚举

可选

对字段进行索引以支持自动完成时使用的分词策略。值可以是以下值之一：

• edgeGram — 通过从词语左侧开始的可变长度字符序列创建可索引词元（称为 grams），该序列的边界是由用于该自动完成映射的分析器定义的。

• rightEdgeGram — 通过从词语右侧开始的可变长度字符序列创建可索引词元（称为 grams），该序列的边界是由用于该自动完成映射的分析器定义的。

• nGram — 在词语上滑动可变长度字符窗口以创建可索引词元（称为 grams）。Atlas Search 为 nGram 创建的词元数超过 edgeGram 或 rightEdgeGram。因此，nGram 需要更多的空间和时间对字段进行索引。nGram 更适合查询具有较长复合词或不使用空格的语言。

edgeGram、rightEdgeGram 和 nGram是在字母级别应用的。例如，请考虑以下句子：

The quick brown fox jumps over the lazy dog.

在使用 minGrams 值 2 和 maxGrams 值 5 进行分词时，Atlas Search 根据您选择的 tokenization 值对以下字符序列进行索引：

th
the
the{SPACE}
the q
qu
qui
quic
uick
...

og
dog
{SPACE}dog
y dog
zy
azy
lazy
{SPACE}lazy
he
the
{SPACE}the
r the
er
ver
over
{SPACE}over
...

th
the
the{SPACE}
the q
he
he{SPACE}
he q
he qu
e{SPACE}
e q
e qu
e qui
{SPACE}q
{SPACE}qu
{SPACE}qui
{SPACE}quic
qu
qui
quic
quick
...

与对字符串字段进行索引相比，使用 edgeGram、rightEdgeGram 或 nGram 分词策略对字段进行索引以支持自动完成的计算成本更高。该索引占用的空间比具有常规字符串字段的索引多。

对于指定的分词策略，Atlas Search 在发出顺序词元之前应用以下过程来连接它们。 此过程有时称为“叠瓦”。 Atlas Search 发出长度在minGrams到maxGrams字符之间的词元：

• 保留小于minGrams的词元。

• 将大于minGrams但小于maxGrams的词元与后续词元连接，以创建长度不超过指定最大字符数的词元。

edgeGram

布尔

可选

指示是否执行规范化 的标记，例如包含或删除索引文本中的变音符号。值可以是以下值之一：

• true - 执行规范化，例如忽略索引和查询文本中的变音符号。例如，搜索 cafè 会返回包含字符 cafè 和 cafe 的结果，因为 Atlas Search 会返回带有或不带有变音符号的结果。

• false — 不执行规范化，例如忽略索引和查询文本中的变音符号。因此， Atlas Search仅返回与查询中带或不带变音符号的字符串匹配的结果。示例，搜索cafè 仅返回包含 cafè 字符的结果。搜索cafe 仅返回包含 cafe 字符的结果。

true