Elasticsearch嵌套式对象Nested分析 |我的资源库露水湾

原文请参考: https://www.felayman.com/articles/2017/11/10/1510292946325.html

nested 结构是 Elasticsearch 提供关系存储的一种特殊的结构,是 NOSQL 的一种高级特性,在传统的关系型 sql 中,很难做到一行记录中存储某个实体以及附属的内容，比如某个用户下评论数据，或某个订单下的所有商品等这种关系比较强的内容。当然传统 sql 也能做到,比如我们当想存储一个订单和该订单下的商品内容。我们可以定义一个 text 类型的字段,以 json 的方式存储不同的商品信息,但是这样有一个致命的缺点,就是性能非常差，其次无法高效的支持搜索。
我们现在模拟这样一个场景。

我们设计了一个博客系统.需要支持搜索该文章的评论信息。

我们当然可以利用传统的 sql 来做存储,我们可以这样设计文章与评论的表结构。

post 表结构：

id,title,body,tags,comment_id
1
comments 表结构：

id,name,comment,age,starts,date
1
然后利用 post 表中的 comment_id 与 comments 表中的 id 做外键关联，这样就可以存储文章与评论直接的关系,大部分设计也是如此。

然而问题来了,当我需要对评论内容进行模糊查询的时候,我们可能需要对两个表进行关联查询,
比如我想这样查询：查询 title 中包含”elasticsearch教程”的文章的评论中包含”视频教程地址”
这个时候我们要面临两个困难,当表稍微大一些的时候,需要对 2 个表的数据进行 like 查询,还需要对两个表进行联合查询,这个性能是无法忍受的。

利用 Elasticsearch 的Nested结构可以很好的解决这个问题，下面是Nested的一些常识，可以参考：
nested 结构介绍

PUT /my_index/blogpost/1
{
“title”: “Nest eggs”,
“body”: “Making your money work…”,
“tags”: [ “cash”, “shares” ],
“comments”: [ <1>
{
“name”: “John Smith”,
“comment”: “Great article”,
“age”: 28,
“stars”: 4,
“date”: “2014-09-01”
},
{
“name”: “Alice White”,
“comment”: “More like this please”,
“age”: 31,
“stars”: 5,
“date”: “2014-10-22”
}
]
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
我们如果直接在 marvel 插件中这样利用动态映射的话,comments 栏位会被自动建立为一个 object 栏位，因为所有内容都在同一个文档中，使搜寻时并不需要连接(join)blog 文章与回应，因此搜寻表现更加优异。
问题在於以上的文档可能会如下所示的匹配一个搜寻：

GET /_search
{
“query”: {
“bool”: {
“must”: [
{ “match”: { “name”: “Alice” }},
{ “match”: { “age”: 28 }} <1>
]
}
}
}
1
2
3
4
5
6
7
8
9
10
11
Alice 是 31 岁，而不是 28 岁！

造成跨对象配对的原因如同我们在对象阵列中所讨论到，在于我们优美结构的 JSON 文档在索引中被扁平化为下方的键-值形式：

{
“title”: [ eggs, nest ],
“body”: [ making, money, work, your ],
“tags”: [ cash, shares ],
“comments.name”: [ alice, john, smith, white ],
“comments.comment”: [ article, great, like, more, please, this ],
“comments.age”: [ 28, 31 ],
“comments.stars”: [ 4, 5 ],
“comments.date”: [ 2014-09-01, 2014-10-22 ]
}
1
2
3
4
5
6
7
8
9
10
Alice 与 31 以及 John 与 2014-09-01 之间的关联已经无法挽回的消失了。当 object 类型的栏位用于储存单一对象是非常有用的。从搜寻的角度来看，对於排序一个对象阵列来说关联是不需要的东西。
这是嵌套对象被设计来解决的问题。藉由映射 commments 栏位为 nested 类型而不是 object 类型，每个嵌套对象会被索引为一个隐藏分割文档，例如：

{ <1>
“comments.name”: [ john, smith ],
“comments.comment”: [ article, great ],
“comments.age”: [ 28 ],
“comments.stars”: [ 4 ],
“comments.date”: [ 2014-09-01 ]
}
{ <2>
“comments.name”: [ alice, white ],
“comments.comment”: [ like, more, please, this ],
“comments.age”: [ 31 ],
“comments.stars”: [ 5 ],
“comments.date”: [ 2014-10-22 ]
}
{ <3>
“title”: [ eggs, nest ],
“body”: [ making, money, work, your ],
“tags”: [ cash, shares ]
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
<1> 第一个嵌套对象
<2> 第二个嵌套对象
<3> 根或是父文档
藉由分别索引每个嵌套对象，对象的栏位中保持了其关联。我们的查询可以只在同一个嵌套对象都匹配时才回应。
不仅如此，因嵌套对象都被索引了，连接嵌套对象至根文档的查询速度非常快–几乎与查询单一文档一样快。
这些额外的嵌套对象被隐藏起来，我们无法直接访问他们。为了要新增丶修改或移除一个嵌套对象，我们必须重新索引整个文档。要牢记搜寻要求的结果并不是只有嵌套对象，而是整个文档。

嵌套对象映射
设定一个 nested 栏位很简单–在你会设定为 object 类型的地方，改为 nested 类型：

PUT /my_index
{
“mappings”: {
“blogpost”: {
“properties”: {
“comments”: {
“type”: “nested”, <1>
“properties”: {
“name”: { “type”: “string” },
“comment”: { “type”: “string” },
“age”: { “type”: “short” },
“stars”: { “type”: “short” },
“date”: { “type”: “date” }
}
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
<1> 一个 nested 栏位接受与 object 类型相同的参数。
所需仅此而已。任何 comments 对象会被索引为分离嵌套对象。参考更多 nested type reference docs

查询嵌套对象
因嵌套对象(nested objects)会被索引为分离的隐藏文档，我们不能直接查询它们。而是使用 nested 查询或 nested 过滤器来存取它们：

GET /my_index/blogpost/_search
{
“query”: {
“bool”: {
“must”: [
{ “match”: { “title”: “eggs” }}, <1>
{
“nested”: {
“path”: “comments”, <2>
“query”: {
“bool”: {
“must”: [ <3>
{ “match”: { “comments.name”: “john” }},
{ “match”: { “comments.age”: 28 }}
]
}}}}
]
}}}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
<1> title 条件运作在根文档上
<2> nested 条件深入嵌套的 comments 栏位。它不会在存取根文档的栏位，或是其他嵌套文档的栏位。
<3> comments.name 以及 comments.age 运作在相同的嵌套文档。

一个 nested 栏位可以包含其他 nested 栏位。相同的，一个 nested 查询可以包含其他 nested 查询。嵌套阶层会如同你预期的运作。

当然，一个 nested 查询可以匹配多个嵌套文档。每个文档的匹配会有各自的关联分数，但多个分数必须减少至单一分数才能应用至根文档。

在预设中，它会平均所有嵌套文档匹配的分数。这可以藉由设定 score_mode 参数为 avg, max, sum 或甚至 none(为了防止根文档永远获得 1.0 的匹配分数时)来控制。

GET /my_index/blogpost/_search
{
“query”: {
“bool”: {
“must”: [
{ “match”: { “title”: “eggs” }},
{
“nested”: {
“path”: “comments”,
“score_mode”: “max”, <1>
“query”: {
“bool”: {
“must”: [
{ “match”: { “comments.name”: “john” }},
{ “match”: { “comments.age”: 28 }}
]
}}}}
]
}}}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
<1> 从最匹配的嵌套文档中给予根文档的 _score 值。

nested 过滤器类似於 nested 查询，除了无法使用 score_mode 参数。只能使用在 filter context—例如在 filtered 查询中–其作用类似其他的过滤器：包含或不包含，但不评分。
nested 过滤器的结果本身不会缓存，通常缓存规则会被应用於 nested 过滤器之中的过滤器。

嵌套排序
我们可以依照嵌套栏位中的值来排序，甚至藉由分离嵌套文档中的值。为了使其结果更加有趣，我们加入另一个记录：

PUT /my_index/blogpost/2
{
“title”: “Investment secrets”,
“body”: “What they don’t tell you …”,
“tags”: [ “shares”, “equities” ],
“comments”: [
{
“name”: “Mary Brown”,
“comment”: “Lies, lies, lies”,
“age”: 42,
“stars”: 1,
“date”: “2014-10-18”
},
{
“name”: “John Smith”,
“comment”: “You’re making it up!”,
“age”: 28,
“stars”: 2,
“date”: “2014-10-16”
}
]
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
想像我们要取回在十月中有收到回应的 blog 文章，并依照所取回的各个 blog 文章中最少 stars 数量的顺序作排序。这个搜寻请求如下：

GET /_search
{
“query”: {
“nested”: { <1>
“path”: “comments”,
“filter”: {
“range”: {
“comments.date”: {
“gte”: “2014-10-01”,
“lt”: “2014-11-01”
}
}
}
}
},
“sort”: {
“comments.stars”: { <2>
“order”: “asc”, <2>
“mode”: “min”, <2>
“nested_filter”: { <3>
“range”: {
“comments.date”: {
“gte”: “2014-10-01”,
“lt”: “2014-11-01”
}
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
<1> nested 查询限制了结果为十月份收到回应的 blog 文章。
<2> 结果在所有匹配的回应中依照 comment.stars 栏位的最小值(min)作递增(asc)的排序。
<3> 排序条件中的 nested_filter 与主查询 query 条件中的 nested 查询相同。於下一个下方解释。
为什么我们要在 nested_filter 重复写上查询条件？原因是排序在於执行查询后才发生。此查询匹配了在十月中有收到回应的 blog 文章，回传 blog 文章文档作为结果。如果我们不加上 nested_filter 条件，我们最後会依照任何 blog 文章曾经收到过的回应作排序，而不是在十月份收到的。

嵌套-聚合
如同我们在查询时需要使用 nested 查询来存取嵌套对象，专门的 nested 集合使我们可以取得嵌套对象中栏位的集合：

GET /my_index/blogpost/_search?search_type=count
{
“aggs”: {
“comments”: { <1>
“nested”: {
“path”: “comments”
},
“aggs”: {
“by_month”: {
“date_histogram”: { <2>
“field”: “comments.date”,
“interval”: “month”,
“format”: “yyyy-MM”
},
“aggs”: {
“avg_stars”: {
“avg”: { <3>
“field”: “comments.stars”
}
}
}
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
<1> nested 集合深入嵌套对象的 comments 栏位
<2> 评论基於 comments.date 栏位被分至各个月份分段
<3> 每个月份分段单独计算星号的平均数
结果显示集合发生於嵌套文档层级：

…
“aggregations”: {
“comments”: {
“doc_count”: 4, <1>
“by_month”: {
“buckets”: [
{
“key_as_string”: “2014-09”,
“key”: 1409529600000,
“doc_count”: 1, <1>
“avg_stars”: {
“value”: 4
}
},
{
“key_as_string”: “2014-10”,
“key”: 1412121600000,
“doc_count”: 3, <1>
“avg_stars”: {
“value”: 2.6666666666666665
}
}
]
}
}
}
…
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
<1> 此处总共有四个 comments: 一个在九月以及三个在十月

什麽时候要使用嵌套对象
嵌套对象对於当有一个主要实体(如 blogpost)，加上有限数量的紧密相关实体(如 comments)是非常有用的。有办法能以评论内容找到 blog 文章很有用，且 nested 查询及过滤器提供短查询时间连接(fast query-time joins)。
嵌套模型的缺点如下：
如欲新增丶修改或删除一个嵌套文档，则必须重新索引整个文档。因此越多嵌套文档造成越多的成本。
搜寻请求回传整个文档，而非只有匹配的嵌套文档。虽然有个进行中的计画要支持只回传根文档及最匹配的嵌套文档，但目前并未支持。
有时你需要完整分离主要文档及其关连实体。父-子关系提供这一个功能。

参考地址：nested

基于上面的介绍,我们下面来介绍 nested 结构实际的应用(图片搜索)。

我们拿一家图片搜索网站 https://www.500px.me 来进行举例说明.

图片是一个包含很多附加属性的类型。为此我们为图片创建一个映射(比较简单,实际很复杂)

PUT /photo/
{
“settings”: {
“number_of_shards”: 4,
“number_of_replicas”: 0
},
“mappings”: {
“photo”: {
“properties”: {
“id”: {
“type”: “String”
},
“title”: {
“type”: “String”
},
“category”:{
“type”: “String”
},
“uploader_name”: {
“type”: “String”
},
“uploader_id”: {
“type”: “String”
},
“keyword”: {
“properties”:{
“categoryId”:{
“type”: “String”
},
“content”:{
“type”: “String”
}
}
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
其中我们需要关注的是 keyword 这个字段,我们开始的时候为这个字段设置普通的类型或者依靠动态映射创建默认类型。为什么会有这种数据格式呢？因为图片本身会有一个分类，而关键词一般也会有一个分类(当然也会有有其他额外信息)，

然后我们插入几条数据。

POST /photo/photo/1
{
“id”:”1″,
“title”:”北京天坛风景”,
“uploader_name”:”felayman”,
“uploader_id”:”1″,
“keyword”:[
{
“categoryId”:”1″,
“content”:”北京”
},
{
“categoryId”:”2″,
“content”:”天坛”
},
{
“categoryId”:”3″,
“content”:”秋天”
},
{
“categoryId”:”4″,
“content”:”旅游”
}
]
}
POST /photo/photo/2
{
“id”:”2″,
“title”:”美国波士顿”,
“uploader_name”:”felayman”,
“uploader_id”:”1″,
“keyword”:[
{
“categoryId”:”1″,
“content”:”波士顿”
},
{
“categoryId”:”2″,
“content”:”夏天”
},
{
“categoryId”:”3″,
“content”:”旅游”
}
]
}
POST /photo/photo/3
{
“id”:”3″,
“title”:”北京西单商业街”,
“uploader_name”:”felayman”,
“uploader_id”:”1″,
“keyword”:[
{
“categoryId”:”1″,
“content”:”北京”
},
{
“categoryId”:”2″,
“content”:”西单”
},
{
“categoryId”:”3″,
“content”:”夏天”
},
{
“categoryId”:”4″,
“content”:”旅游”
},
{
“categoryId”:”5″,
“content”:”中国”
},
{
“categoryId”:”6″,
“content”:”龙”
}
]
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
我们尝试进行如下查询：

GET /photo/photo/_search
{
“query”: {
“bool”: {
“must”: [
{
“match”: {
“content”: “夏天”
}
},
{
“match”: {
“categoryId”: “3”
}
}
]
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
查询结果为:

{
“took”: 4,
“timed_out”: false,
“_shards”: {
“total”: 4,
“successful”: 4,
“failed”: 0
},
“hits”: {
“total”: 2,
“max_score”: 0.19178301,
“hits”: [
{
“_index”: “photo”,
“_type”: “photo”,
“_id”: “2”,
“_score”: 0.19178301,
“_source”: {
“id”: “2”,
“title”: “美国波士顿”,
“uploader_name”: “felayman”,
“uploader_id”: “1”,
“keyword”: [
{
“categoryId”: “1”,
“content”: “波士顿”
},
{
“categoryId”: “2”,
“content”: “夏天”
},
{
“categoryId”: “3”,
“content”: “旅游”
}
]
}
},
{
“_index”: “photo”,
“_type”: “photo”,
“_id”: “3”,
“_score”: 0.17260471,
“_source”: {
“id”: “3”,
“title”: “北京西单商业街”,
“uploader_name”: “felayman”,
“uploader_id”: “1”,
“keyword”: [
{
“categoryId”: “1”,
“content”: “北京”
},
{
“categoryId”: “2”,
“content”: “西单”
},
{
“categoryId”: “3”,
“content”: “夏天”
},
{
“categoryId”: “4”,
“content”: “旅游”
},
{
“categoryId”: “5”,
“content”: “中国”
},
{
“categoryId”: “6”,
“content”: “龙”
}
]
}
}
]
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
其实我们的目的是查询关键词中含有分类为 3，内容为”夏天”的图片,搜索结果出现了 2 条结果，很显然，第一条并不满足我们的需求。因为其分类为 2.

造成这个原因的本质就是在创建映射的时候 photo 作为主体，与 keyword 的关联性不强。

这个时候我们把 keyword 修改成 nested 结构，我们再试下结果：

PUT /photo/
{
“settings”: {
“number_of_shards”: 4,
“number_of_replicas”: 0
},
“mappings”: {
“photo”: {
“properties”: {
“id”: {
“type”: “String”
},
“title”: {
“type”: “String”
},
“category”:{
“type”: “String”
},
“uploader_name”: {
“type”: “String”
},
“uploader_id”: {
“type”: “String”
},
“keyword”: {
“type”:”nested”,
“properties”:{
“categoryId”:{
“type”: “String”
},
“content”:{
“type”: “String”
}
}
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
同样插入几条数据：

GET /photo/photo/_search
{
GET /photo/photo/_search
{
“query”: {
“nested”: {
“path”: “keyword”,
“query”: {
“bool”: {
“must”: [
{
“match”: {
“content”: “夏天”
}
},
{
“match”: {
“categoryId”: “3”
}
}
]
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
需要注意的是,在进行 nested 语法查询的时候,我们需要用一个 nested 把进行的查询包起来，并加上查询的路径来识别该查询是一个 nested 结构。

这个时候,查询结果为:

{
“took”: 5,
“timed_out”: false,
“_shards”: {
“total”: 4,
“successful”: 4,
“failed”: 0
},
“hits”: {
“total”: 1,
“max_score”: 2.8159537,
“hits”: [
{
“_index”: “photo”,
“_type”: “photo”,
“_id”: “3”,
“_score”: 2.8159537,
“_source”: {
“id”: “3”,
“title”: “北京西单商业街”,
“uploader_name”: “felayman”,
“uploader_id”: “1”,
“keyword”: [
{
“categoryId”: “1”,
“content”: “北京”
},
{
“categoryId”: “2”,
“content”: “西单”
},
{
“categoryId”: “3”,
“content”: “夏天”
},
{
“categoryId”: “4”,
“content”: “旅游”
},
{
“categoryId”: “5”,
“content”: “中国”
},
{
“categoryId”: “6”,
“content”: “龙”
}
]
}
}
]
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
我们可以看到,查询的结果正是我们想要的结果。

上面的例子可能不能完全说明 nested 的重要性，下面我们更深入一点，我们会拿出一个更实用的场景,一般情况下(在 https://500px.me),图片网站进行搜索的时候会更新关键词的权重,来调节用户搜索效果，比如我们搜索含有 “城市” 的图片，搜索结果可能会随用户的点击对相对搜索的关键词进行调整,比如某张图片含有”城市”的权重为 0.9，我们可能因为用户真实点击来将其修改成”0.91”来增加该关键词在该张图片的搜索权重。

我们重新设计我们的图片的映射:

{
“index_v2”: {
“mappings”: {
“resource”: {
“properties”: {
“categoryId”: {
“type”: “string”
},
“commentCount”: {
“type”: “long”
},
“contestTags”: {
“type”: “string”
},
“createdDate”: {
“type”: “long”
},
“createdTime”: {
“type”: “long”
},
“description”: {
“type”: “string”
},
“doc”: {
“properties”: {
“keywords”: {
“properties”: {
“keyword”: {
“type”: “string”
},
“score”: {
“type”: “double”
}
}
}
}
},
“exifInfo”: {
“properties”: {
“aperture”: {
“type”: “string”
},
“dateTimeDigitized”: {
“type”: “long”
},
“dateTimeOriginal”: {
“type”: “long”
},
“exposureTime”: {
“type”: “string”
},
“exposureTimeVcg”: {
“type”: “string”
},
“focalLength”: {
“type”: “string”
},
“gpsAltitudeVcg”: {
“type”: “string”
},
“gpsLatitude”: {
“type”: “string”
},
“gpsLocationVcg”: {
“type”: “string”
},
“gpsLongitude”: {
“type”: “string”
},
“iso”: {
“type”: “string”
},
“lens”: {
“type”: “string”
},
“make”: {
“type”: “string”
},
“model”: {
“type”: “string”
},
“modelVcg”: {
“type”: “string”
},
“resourceId”: {
“type”: “string”
},
“uploadTime”: {
“type”: “long”
}
}
},
“geoCoordinates”: {
“type”: “geo_point”
},
“hasCover”: {
“type”: “integer”
},
“height”: {
“type”: “integer”
},
“hotUpDate”: {
“type”: “long”
},
“id”: {
“type”: “string”
},
“keywords”: {
“type”: “nested”,
“properties”: {
“keyword”: {
“type”: “string”
},
“score”: {
“type”: “double”
}
}
},
“latitude”: {
“type”: “long”
},
“licenceId”: {
“type”: “string”
},
“likeCount”: {
“type”: “long”
},
“location”: {
“type”: “string”
},
“longitude”: {
“type”: “long”
},
“openState”: {
“type”: “string”
},
“origin”: {
“type”: “string”
},
“originId”: {
“type”: “integer”
},
“photoCount”: {
“type”: “long”
},
“photos”: {
“type”: “nested”,
“properties”: {
“createdTime”: {
“type”: “long”
},
“description”: {
“type”: “string”
},
“exifInfo”: {
“type”: “string”
},
“groupId”: {
“type”: “string”
},
“height”: {
“type”: “long”
},
“id”: {
“type”: “string”
},
“state”: {
“type”: “long”
},
“updateTime”: {
“type”: “long”
},
“url”: {
“type”: “string”
},
“userId”: {
“type”: “string”
},
“width”: {
“type”: “long”
}
}
},
“privacy”: {
“type”: “integer”
},
“profileSortTime”: {
“type”: “long”
},
“rating”: {
“type”: “double”
},
“rating2”: {
“type”: “long”
},
“ratingMax”: {
“type”: “double”
},
“ratingMax2”: {
“type”: “long”
},
“ratingMaxDate”: {
“type”: “long”
},
“recommendTime”: {
“type”: “long”
},
“refer”: {
“type”: “string”
},
“resourceId”: {
“type”: “string”
},
“resourceType”: {
“type”: “integer”
},
“riseUpDate”: {
“type”: “long”
},
“state”: {
“type”: “integer”
},
“tag”: {
“type”: “string”
},
“title”: {
“type”: “string”
},
“tribeTags”: {
“type”: “string”
},
“uploadedDate”: {
“type”: “long”
},
“uploaderId”: {
“type”: “string”
},
“uploaderName”: {
“type”: “string”
},
“url”: {
“type”: “string”
},
“weather”: {
“type”: “string”
},
“width”: {
“type”: “integer”
}
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
上面的映射中，我们需要注意的是：

“keywords”: {
“type”: “nested”,
“properties”: {
“keyword”: {
“type”: “string”
},
“score”: {
“type”: “double”
}
}
}
1
2
3
4
5
6
7
8
9
10
11
每张图片都可能有若干个关键词,每个关键词有不同的 score，为什么会这样设计呢？因为任何一张图片在随着用户上传的时候都可能任意设置,我们如何去除哪些与图内容关联度不高的关键词呢？那就需要来调节每一张图片中所有关键词的权重来识别。

比如一张图片中同时包含”草坪”,”露天”,”露营”,”吃饭”,”家庭”,”夏天”,”午后”,”公园”,其实这张图片的主题就是“一家人在某个公园的草坪上露营吃饭”,整张照片可能突出”露营”这个关键词,而与其他关键词关联度并不是很高,这个时候我们就需要来调节这些关键词的 score 值,当用户在数亿张图片库中搜索关键词中含有”露营”的时候,我们会针对所有含有”露营”这个关键词的图片进行查询,然后对这个关键词自带的 score 进行排序,那么搜索的结果就更符合用户的搜索(这里不使用elasticsearch自带的评分机制)。