includeとregexを使用して、elasticsearchで用語の集計値の内部を正しくクエリする方法は？

値のためだけに個別のインデックスは必要ありません...

これが私の見解です：

1. 正規表現で行っていることは、基本的に、トークナイザーによって行われるべきことです。つまり、後でターゲットにできるように部分文字列（またはNグラム）を作成します。
   これは、キーワードRaceをn-gramにトークン化する必要があることを意味し["rac", "race", "ace"]ます。（3文字未満にすることは実際には意味がありません。ほとんどのオートコンプリートライブラリは、一致する可能性のあるバルーンが速すぎるため、3文字未満を無視することを選択します。）

ElasticsearchはN-grammax_ngram_diffトークナイザーを提供しますが、妥当な数のngramをキャッチしたいので、呼び出されるデフォルトのインデックスレベル設定を1から（任意に）10に増やす必要があります。

PUT tagindex
{
  "settings": {
    "index": {
      "max_ngram_diff": 10
    },
    "analysis": {
      "analyzer": {
        "my_ngrams_analyzer": {
          "tokenizer": "my_ngrams",
          "filter": [ "lowercase" ]
        }
      },
      "tokenizer": {
        "my_ngrams": {
          "type": "ngram",
          "min_gram": 3,
          "max_gram": 10,
          "token_chars": [ "letter", "digit" ]
        }
      }
    }
  },
  { "mappings": ... }                                 --> see below
}

2. あなたの場合はtags、フィールドがキーワードのリストである、それはその場に集約するだけではできませんせずに頼らinclude完全一致または（あなたがすでに使用している）正規表現のいずれかになりますオプション。現在、完全一致を保証することはできませんが、正規表現もしたくありません。それでは、なぜ私たちが使用する必要があることを、ネストされたリストwhich'll個別に各タグの治療を。

現在、ネストされたリストにはオブジェクトが含まれていると予想されるため、

{
  "tags": ["Race", "Racing", "Mountain Bike", "Horizontal"]
}

に変換する必要があります

{
  "tags": [
    { "tag": "Race" },
    { "tag": "Racing" },
    { "tag": "Mountain Bike" },
    { "tag": "Horizontal" }
  ]
}

その後、元のタグをそのまま維持しながら、検索するフィールドと集計するフィールドを追加して、マルチフィールドマッピングを続行します。.tokenized.keyword

  "index": { ... },
  "analysis": { ... },
  "mappings": {
    "properties": {
      "tags": {
        "type": "nested",
        "properties": {
          "tag": {
            "type": "text",
            "fields": {
              "tokenized": {
                "type": "text",
                "analyzer": "my_ngrams_analyzer"
              },
              "keyword": {
                "type": "keyword"
              }
            }
          }
        }
      }
    }
  }

次に、調整したタグのドキュメントを追加します。

POST tagindex/_doc
{"tags":[{"tag":"Race"},{"tag":"Racing"},{"tag":"Mountain Bike"},{"tag":"Horizontal"}]}

POST tagindex/_doc
{"tags":[{"tag":"Tracey Chapman"},{"tag":"Silverfish"},{"tag":"Blue"}]}

POST tagindex/_doc
{"tags":[{"tag":"Surfing"},{"tag":"Race"},{"tag":"Disgrace"}]}

ネストされた フィルター 用語の集計を適用します。

GET tagindex/_search
{
  "aggs": {
    "topics_parent": {
      "nested": {
        "path": "tags"
      },
      "aggs": {
        "topics": {
          "filter": {
            "term": {
              "tags.tag.tokenized": "race"
            }
          },
          "aggs": {
            "topics": {
              "terms": {
                "field": "tags.tag.keyword",
                "size": 100
              }
            }
          }
        }
      }
    }
  },
  "size": 0
}

降伏

{
  ...
  "topics_parent" : {
    ...
    "topics" : {
      ...
      "topics" : {
        ...
        "buckets" : [
          {
            "key" : "Race",
            "doc_count" : 2
          },
          {
            "key" : "Disgrace",
            "doc_count" : 1
          },
          {
            "key" : "Tracey Chapman",
            "doc_count" : 1
          }
        ]
      }
    }
  }
}

警告

• これを機能させるには、インデックスを再作成する必要があります
• ngramは、ストレージのフットプリントを増加させます-ドキュメントごとのタグの数によっては、問題になる可能性があります
• ネストされたフィールドは内部的に「個別のドキュメント」として扱われるため、これはディスクスペースにも影響します

PS：これは興味深いユースケースです。実装がどのように進んだか教えてください！