如何获取 ElasticSearch 索引中完整索引术语的列表？

Question

非常简单的问题。 我有一个带有文本字段的 ElasticSearch 索引。如何获取该字段索引的所有单词的列表？有什么简单的方法吗？

我正在使用 python 和

elasticsearch

库工作。

Answer 1

⚠️警告

获取索引的所有索引词在时间上是昂贵的 和资源，特别是当唯一术语的数量很大时。所以 请在生产集群上使用时小心。

解决方案

为此，Elasticsearch 首先需要将所有单词加载到内存中，默认情况下对于文本字段禁用此功能（有关更多信息，请参阅FieldData 映射参数）。

假设您的索引上启用了字段数据，您可以使用以下搜索查询获取唯一术语列表，并按其频率排序：

{
"size": 0,
    "aggs": {
        "indexed_terms": {
            "terms": {
                "field": "field_name",
                "size": 10000 (1)
            }
        }
    }
}

1. size 参数控制要返回的唯一术语的最大数量。

除非启用fieldData，否则你会遇到如下错误：

文本字段未针对需要的操作进行优化 每个文档的字段数据，例如聚合和排序，所以这些 默认情况下禁用操作。请使用关键字字段 反而。或者，在您的字段上设置 fielddata=true 以便 通过反转倒排索引来加载字段数据。请注意，这可以 使用大量内存。

对于单个文档...

如果您只需要获取单个文档的索引术语列表，您可以简单地使用 _termsvector API，而无需再启用字段数据。