Elasticsearch -查找商品标签，这些标签是匹配用户标签的子集

Question

PUT /goods/goods/1
{
  "tag": ["apple","gold","4G"]
}

PUT /goods/goods/2
{
  "tag": ["apple","gold"]
}

有多个标签的商品，我们也有多个标签的用户。我们试图找到标签是用户标签子集的商品。

例如：

user ["apple","gold","4G","fruit"] find goods 1 2
user ["apple","gold","4G"] find goods 1 2
user ["apple","gold"] find goods 2
user ["apple"] find nothing

Elasticsearch能做到这一点吗？

Answer 1

您想要实现的行为类似于Finding Multiple Exact Values中描述的行为。

由于您所展示的上一个示例，这不是直接可能的：

user ["apple"] find nothing

Elasticsearch将不得不构建一个查询find me all goods that have only one tag 'apple'，而不可能直接使用倒排索引来实现。它只存储包含该标签的文档的if；该列表将包含包含该标签的所有文档，而不管它们是否还包含其他标签。有关更多详细信息，请参阅此page。

尽管有Exact Match的变通方法，但在您的示例中，您希望检索Elasticsearch中的文档，这些文档是子集，即包含来自查询的任意数量的元素，但仅此而已。与精确匹配的情况类似，它不能有效地完成。

一个脚本化的解决方案

如果您的数据允许的话，有一种可能的解决方法。例如，如果您的商品/用户标签矩阵是稀疏的(意味着它们很少共享相同的标签)，您可以使用带有脚本过滤器的bool should查询来实现您的目标：

POST goods/goods/_search
{
  "query": {
    "bool": {
      "filter": {
        "bool": {
          "must": [
            {
              "bool": {
                "should": [
                  {
                    "term": {
                      "tag": {
                        "value": "apple"
                      }
                    }
                  },
                  {
                    "term": {
                      "tag": {
                        "value": "gold"
                      }
                    }
                  },
                  {
                    "term": {
                      "tag": {
                        "value": "4G"
                      }
                    }
                  }
                ]
              }
            },
            {
              "script": {
                "script": {
                  "inline": "int k = 0; for (int i = 0; i < doc['tag'].length; ++i) { if (!params.user_tags.contains(doc['tag'][i])) { k +=1}   }   k == 0",
                  "lang": "painless",
                  "params": {
                    "user_tags": [
                      "apple",
                      "gold",
                      "4G"
                    ]
                  }
                }
              }
            }
          ]
        }
      }
    }
  }
}

查询执行以下操作(以一种简化的方式)：

• should部件:匹配包含任何用户tags;
• script部件的所有文档:筛选出包含其他标记的文档

script查询允许执行几乎任何可能的查询，但它肯定不会像内置term查询那样高效(因为它不会使用索引，而是在最坏的情况下执行完全扫描)。

其思想是同时使用term和script，并将它们合并到一个and (bool must查询)中，以便脚本化部分仅应用于可能匹配的文档。(有关查询在Elasticsearch中的应用顺序的说明可以在here中找到。)

结束语

与通常使用Elasticsearch一样，为了获得最佳性能，您可能需要重新排列数据(如添加tag_count等)。试着找出最适合你的。

希望这能有所帮助！