我试图更好地理解elasticsearch的内部结构，所以我想知道elasticsearch内部计算以下两种情况的术语统计数据的方式是否有任何不同。
第一种情况是我有如下文件：
{
"foo": [
{
"bar": "long string"
},
{
"bar": "another long string"
}
]
}或者像这样的文件：
{
"foobar": "long string another long string"
}我的理解是，第一个文档将变为：
{
"foo.bar": ["long string", "another long string"]
}所以问题是，第二个和第三个文档的索引是否相同？术语统计的计算方法相同吗？
1条答案
按热度按时间vohkndzv1#
有趣的问题！如果索引第一个和第二个文档，然后查看
foo.bar字段中，您会注意到频率和偏移量完全相同，但是位置不同。原因与
position_increment_gap设置，其默认值为100。引入这个假间隙的原因是为了防止短语查询跨值匹配。所以在第一份文件中
foo.bar字段有多个值，正如您正确地注意到的，这就是为什么术语位置与第二个文档（其中只有一个字符串）不同的原因。也就是说如果你想用
match_phrase匹配查询string another，则它将不匹配第一个文档，而只匹配第二个文档。您仍然可以决定更改
position_increment_gap并将其设置为0，在这种情况下，两个文档的索引方式完全相同。