## Function Score Query
**function_score**?允許你修改一個查詢檢索文檔的分數。舉例來講,當得分函數計算代價高昂并且足以在經過濾的文檔集合上計算得分,這種查詢是有用的。
使用?**function_score**?,用戶需要定義一個查詢和一個或多個功能,即計算用于由查詢返回的每個文檔的新得分。
**function_score**? 當只有一個功能函數時可參考如下使用:
GET /_search
{
"query": {
"function_score": {
"query": { "match_all": {} },
"boost": "5",
"random_score": {},//注釋1
"boost_mode":"multiply"
}
}
}
注釋1:見 **function_score** 查詢有關支持的函數列表
此外,可以組合幾個函數使用。 假如要這樣使用,當且僅當文檔匹配給定的過濾查詢時可以根據需要選擇應用此函數。
GET /_search
{
"query": {
"function_score": {
"query": { "match_all": {} },
"boost": "5", //注釋1
"functions": [
{
"filter": { "match": { "test": "bar" } },
"random_score": {}, //注釋2
"weight": 23
},
{
"filter": { "match": { "test": "cat" } },
"weight": 42
}
],
"max_boost": 42,
"score_mode": "max",
"boost_mode": "multiply",
"min_score" : 42
}
}
}
注釋1:意為整個查詢
* * *
注釋2:見?**function_score**?查詢有關支持的函數列表
每個函數的過濾查詢產生的分數無關緊要。
如果函數中沒有給定濾器,這是等同于指定給"***match_all***": {}
首先,每個文檔由定義的函數打分。 參數?***score_mode?***規定計算的分數如何組合:
|
multiply
|
分數相乘(默認)
|
|
sum
|
得分相加
|
|
avg
|
平均分數
|
|
first
|
使用具有匹配過濾器的第一個函數
|
|
max
|
最大得分
|
|
min
|
最小分數
|
因為分數可以在不同的尺度(例如使用除了?**field_value_factor?**之外的0和1的遞減函數 ),并且有時候函數的得分產生的不同影響正是所期望的,每個函數的分數可以由用戶定義的?***weight*?**參數來調整,***weight**?*可以定義在每一個?**functions?**陣列(上面的例子)的功能,以此乘以由相應函數計算的分數。如果其他任何功能的聲明中沒有提到權重,?**weight**?只是簡單的用于充當返回?**weight**?的函數 。
假如?***score_mode*?**設為?**avg**?個人得分將由加權平均進行組合。 例如,如果兩個函數返回得分1和2以及它們各自的權重是3和4,那么他們的分數將被組合為(1*3+2*4)/(3+4)而不是 (1*3+2*4)/2 。
新得分通過設置?**max_boost**?參數可以不超過某一限值。**max_boost?**默認值是**FLT_MAX**。
新計算的分數與查詢的分數相組合,參數?**boost_mode**?定義其組合方式:
|
**multiply**
|
查詢得分和函數得分相乘(默認)
|
|
**replace**
|
僅使用函數得分,忽略查詢得分
|
|
**sum**
|
查詢得分和函數得分相加
|
|
**avg**
|
取平均值
|
|
**max**
|
查詢得分和函數得分的最大值
|
|
**min**
|
查詢得分和函數得分的最小值
|
默認情況下,修改分數不會改變文檔的匹配結果。 為了排除不滿足一定的分數閾值的文檔,可用**min_score**參數設置所期望的得分閾值。
**?function_score?**查詢提供的幾種函數分數的類型
* script_score
* weight
* random_score
* field_value_factor
* decay functions: gauss, linear, exp
## script_score
**?script_score**?功能允許您包裝另一個查詢,即隨意定制用腳本表達式在doc其他數字字段的值派生的計算的得分。 下面是一個簡單的示例:
"script_score" : {
"script" : {
"lang": "painless",
"inline": "_score * doc['my_numeric_field'].value"
}
}
在上面這些不同的腳本字段值和表達式中,**_score?**腳本參數可被用于檢索基于該包裝查詢的分數。
腳本被緩存得以更快地執行。 如果腳本包含需要考慮的參數,則最好重復使用相同的腳本,并向其提供參數:
"script_score": {
"script": {
"lang": "painless",
"params": {
"param1": value1,
"param2": value2
},
"inline": "_score * doc['my_numeric_field'].value / Math.pow(params.param1, params.param2)"
}
}
需要注意的是與?**custom_score**?查詢不同,該查詢的評分是與腳本得分相乘的結果。如果要禁止此類用戶可增加設置"**boost_mode**": "**replace**"
## weight
**weight?**得分即用分數乘以設置的?**weight ?**參數,當對特定查詢設置的提升值被標準化時,可使用此參數,但此參數對?**score function**?無效。其數值類型為**float**。
"weight" : number
## Random
**?random_score**?根據?**_***ui**d*?**字段進行?**hash**?計算生成分數,可根據?**seed**?發生改變,如果?***seed*?**未指定,當前時間被使用。
使用此功能將加載用于現場數據?**_uid**?,它的值唯一,適合在內存操作頻繁的情況下使用。
"random_score": {
"seed" : number
}
## field_value_factor
**field_value_factor**?功能允許您使用從文檔獲取的字段影響得分。 它類似于使用**script_score**?**function**,但是,它避免了腳本的開銷。 如果在多值字段上使用,則只有字段的第一個值用于計算。
舉個例子,假設你有一個在?**popularity**?域建有數字索引的文檔,并希望以此域影響該文檔的分數,通常采用如下方法:
"field_value_factor": {
"field": "popularity",
"factor": 1.2,
"modifier": "sqrt",
"missing": 1
}
這將會轉換為以下公式來計算得分:
sqrt(1.2 * doc['popularity'].value)
有以下一系列可選參數用于**field_value_factor**?功能
|
field
|
要從文檔中提取的字段。
|
|
factor
|
與字段值相乘的可選系數,默認為1?。
|
|
modifier
|
修改適用于該字段的值,可以是以下之一:?none?,?log?,?log1p?,?log2p?,?ln?,?ln1p?,ln2p?,?square?,?sqrt?,還是reciprocal?。?默認為none?。
|
|
修飾符
|
含義
|
|
none
|
不要對字段值使用任何乘數
|
|
log
|
取字段值的[對數](https://en.wikipedia.org/wiki/Logarithm)[](https://translate.googleusercontent.com/translate_c?depth=1&hl=zh-CN&rurl=translate.google.com.hk&sl=en&tl=zh-CN&u=https://en.wikipedia.org/wiki/Logarithm&usg=ALkJrhh3MUvWC89n1nR7Lo0hKyZsLxwcHw)
|
|
log1p
|
字段值加1,并取對數
|
|
log2p
|
字段值加2,并取對數
|
|
ln
|
取字段值的[自然對數](https://en.wikipedia.org/wiki/Natural_logarithm)
|
|
ln1p
|
字段值加1,并取自然對數
|
|
ln2p
|
字段值加2,并取自然對數
|
|
square
|
字段值的平方(乘以它自身)
|
|
sqrt
|
字段值的[平方根](https://en.wikipedia.org/wiki/Square_root)
|
|
reciprocal
|
字段值的[Reciprocate](https://en.wikipedia.org/wiki/Multiplicative_inverse)形式,例如1/x?,其中x是該字段的值
|
**missing**
如果文檔沒有該字段,則使用此值。 修飾符和因子也使用此值,如同從文檔中讀取的字段一樣使用。
記住,取log()為0,或者負數的平方根 是一個非法操作,程序會拋出異常。 一定要使用范圍過濾器限制此字段取值來避免這種情況,或使用`log1p`和 `ln1p`。
## Decay functions
**Decay functions**?對 最初用戶已給定了數字字段值的距離衰減函數的文檔進行計分。 這類似于**range query**,但具有滑動窗口而不是定值。
在具有數字字段的查詢使用**?distance scoring**,用戶應為每個字段定義?**origin**?和**scale?**。?**origin ?**需要定義從該計算距離的“中心點”,而?**scale**?來定義衰減程度。**decay function**?指定用法為:
"DECAY_FUNCTION": { //注釋1
"FIELD_NAME": { //注釋2
"origin": "11, 12",
"scale": "2km",
"offset": "0km",
"decay": 0.33
}
}
|
注釋1
|
DECAY_FUNCTION應從linear?,?exp?,gauss?中取值。
|
|
注釋2
|
指定的字段值必須是數字,date或?geo-point
|
在上面的例子中,該字段取值?**geo_point**?并且可初始化為地理區域的格式。在這種情況下,**scale**?和?**offset**?必須指定一個單位。 如果你的領域是一個?**date**?,您可以設置?**scale**?和?**offset**?為天、周,依此類推。 例:
"gauss": {
"date": {
"origin": "2013-09-17", //注釋1
"scale": "10d",
"offset": "5d", //注釋2
"decay" : 0.5 //注釋3
}
}
|
注釋1
| date format 的初始定義取決于在映射定義的 format。?如果不給定初始值,則使用當前時間。 |
|
注釋2
| **offset**?和?**decay**?參數是可選參數。 |
|
注釋3
|
| ***origin*** | 用于計算距離的初始值。?必須按照數字字段存放數字,日期字段存放日期和 地理位置字段存放地理位置的方式指定。?必需包含 geo 和 numeric。?對于 date 默認為now?。?日期初始化可以使用算術形式(例如now-1h)。 |
| **scale** | 需要給定所有類型。?定義從**origin**?+?**offset**?開始計算等于**decay?**的分數的距離。 ?對于geo:可以定義為number+unit(1km,12m,...)。?默認單位為米。 ?對于date:可以定義為number+unit(“1h”,“10d”,...)。?默認單位為 毫秒。?對于numeric:任意數字 |
| ***offset*** | 如果定義了**offset**,則將使用比?**offset ?**更大的距離來計算文檔的衰變函數。默認值為0。 |
| ***decay*** | **decay**?參數定義了根據?**scale**?給定的距離如何給文檔打分?。?如果沒有定義?**decay**?,文件計算距離時?**scale**?取值0.5。 |
|
在第一個示例中,您的文檔可能代表酒店,并包含地理位置字段。 您想根據酒店距離給定位置的距離計算衰減函數。 您可能不會立即看到為gauss function選擇的scale,但您可以說:“在距離所需位置2公里處,分數應該減少到三分之一。 然后參數“scale”將自動調整以確保score function針對距離期望位置2km的酒店計算得分0.33。?
在第二個示例中,字段值介于2013-09-12和2013-09-22之間的文檔將獲得1.0的權重,并且從該日期起15天的文檔的權重為0.5。
## Supported decay functions
?DECAY_FUNCTION 決定了衰減的形狀:
***gauss***
正常衰減,計算公式為:

在這里 用于計算以確保該得分采用值?***decay**?*是?***scale**?*與?***origin*?**+ -?***offset*?**的距離

見?[Normal decay ,關鍵字 gauss](https://www.elastic.co/guide/en/elasticsearch/reference/5.0/query-dsl-function-score-query.html#gauss-decay)?的圖表展示了生成的曲線?***gauss function***。
***exp***
指數衰減,計算公式為:

再次指出參數用于計算以確保該得分采用值?***decay**?*是?***scale**?*與?***origin*?**+ -?***offset*?**的距離

見?[exponential decay ,關鍵字 exp](https://www.elastic.co/guide/en/elasticsearch/reference/5.0/query-dsl-function-score-query.html#exp-decay)?為圖展示了生成的曲線?***exp function***。
**linear**
線性衰減,計算公式為:

在這里參數s用于計算以確保該得分采用值?***decay**?*是?***scale**?*與?***origin*?**+ -?***offset*?**的距離

與normal decay 和exponential decay ,如果字段值超過用戶給定的scale 值的兩倍,則此函數實際將分數設置為0
對于單個函數,三個decay functions及其參數的可視化形式如這樣(在該示例中的字段“age”):
******
## Multi-values fields
如果用于計算?**decay**?的字段包含多個值,則默認情況下選擇最接近原點的值以確定距離。 這可以通過設置?***multi_value_mode*?**來改變
|
min
|
最小距離
|
|
max
|
最大距離
|
|
avg
|
平均距離
|
|
sum
|
所有距離的總和
|
例:
“DECAY_FUNCTION”:{
“FIELD_NAME”:{
“origin”:...,
“scale”:...
},
“multi_value_mode”:“avg”
}}
## Detailed example
假設您正在搜索某個城鎮的酒店。 您的預算有限。 此外,您希望酒店靠近市中心,所以酒店距離所需的位置越遠,您就越不可能辦理入住手續。
您希望與您的標準(例如,“hotel,Nancy,non-smoker”)匹配的查詢結果相對于與市中心的距離以及價格進行評分。
直覺上,你想定義市中心為原點,也許你愿意從酒店步行2公里到市中心。 在這種情況下,您的?**scale**?字段初始值是市中心 ?2公里。
如果你的預算低,你可能更喜歡在昂貴的東西以上的東西。 對于價格,初始值是0歐元或者scale 取決于你愿意付出多少,例如20歐元。
在該示例中,字段可以被稱為酒店的價格的“price”和該酒店的坐標的“location”。
price函數在這種場景下定義為:
"gauss": { //注釋1
"price": {
"origin": "0",
"scale": "20"
}
}
注釋1:此時?**decay function**?也可以使用?**linear**?或?**exp**
**location?**定義為:
"gauss": { //注釋1
"location": {
"origin": "11, 12",
"scale": "2km"
}
}
注釋1:此時?**decay function**?也可以使用?**linear**?或?**exp**
假設你想在原始分數上乘以這兩個函數,請求將如下所示:
GET /_search
{
"query": {
"function_score": {
"functions": [
{
"gauss": {
"price": {
"origin": "0",
"scale": "20"
}
}
},
{
"gauss": {
"location": {
"origin": "11, 12",
"scale": "2km"
}
}
}
],
"query": {
"match": {
"properties": "balcony"
}
},
"score_mode": "multiply"
}
}
}
接下來,我們將展示三種可能衰變函數中的每一種的計算得分如何。
## **Normal decay, keyword**?gauss
當上面的例子中選擇?**gauss**?作為?**decay function**,乘法器的輪廓和表面積如下所示:


假設您的最初搜索結果與下面三家酒店相符:
* "Backback Nap"
* "Drink n Drive"
* "BnB Bellevue".
"Drink n Drive"距離你定義的位置(近2公里),不是太便宜(約13歐元),所以它得到一個低因素為0.56的因素。 “BnB Bellevue”和“Backback Nap”都非常接近定義的位置,但“BnB Bellevue”更便宜,所以它的乘數為0.86,而“Backpack Nap”的值為0.66
## **Exponential decay, keyword**?exp
當上面的例子中選擇?**exp**?作為?**decay function**?,乘法器的輪廓和表面積如下所示:


## **Linear decay, keyword**?linear
當上面的例子中選擇?**linear**?作為?**decay function**?,乘法器的輪廓和表面積如下所示:


## 衰減函數支持的范圍
僅支持數字,日期和地理位置字段。
## 缺少字段時如何處理?
如果文檔中缺少數字字段,函數將返回1。
- 入門
- 基本概念
- 安裝
- 探索你的集群
- 集群健康
- 列出所有索引庫
- 創建一個索引庫
- 索引文檔創建與查詢
- 刪除一個索引庫
- 修改你的數據
- 更新文檔
- 刪除文檔
- 批量處理
- 探索你的數據
- 搜索API
- 查詢語言介紹
- 執行搜索
- 執行過濾
- 執行聚合
- 總結
- Elasticsearch設置
- 安裝Elasticsearch
- .zip或.tar.gz文件的安裝方式
- Install Elasticsearch with .zip on Windows
- Debian軟件包安裝方式
- RPM安裝方式
- Install Elasticsearch with Windows MSI Installer
- Docker安裝方式
- 配置Elasticsearch
- 安全配置
- 日志配置
- 重要的Elasticsearch配置
- 重要的系統配置
- 系統設置
- 在jvm.options中設置JVM堆大小
- 禁用swapping
- 文件描述符
- 虛擬內存
- 線程數
- DNS cache settings
- 啟動前檢查
- 堆大小檢查
- 文件描述符檢查
- 內存鎖定檢查
- 最大線程數檢查
- 最大虛擬內存檢查
- Max file size check
- 最大map數檢查
- JVM Client模式檢查
- 串行收集使用檢查
- 系統調用過濾檢查
- OnError與OnOutOfMemoryError檢查
- Early-access check
- G1GC檢查
- Elasticsearch停機
- Elasticsearch升級
- 滾動升級
- 全集群重啟升級
- 索引重建升級
- Set up X-Pack
- Installing X-Pack
- X-Pack Settings
- Watcher Settings
- Configuring Security
- Breaking changes in 6.0
- X-Pack Breaking Changes
- 重大變化
- 6.0的重大變化
- 聚合變化
- Cat API變化
- 客戶端變化
- 集群變化
- 文檔API變化
- 索引變化
- 預處理變化
- 映射變化
- Packaging變化
- Percolator變化
- 插件變化
- 索引重建變化
- 信息統計變化
- DSL查詢變化
- 設置變化
- 腳本變化
- API約定
- 多索引語法
- 索引庫名稱的日期運算
- 常用選項
- URL-based訪問控制
- 文檔APIs
- 讀寫文檔
- 索引接口
- Get接口
- Delete API
- Delete By Query API
- Update API
- Update By Query API
- Multi Get API
- Bulk API
- Reindex API
- Term Vectors
- Multi termvectors API
- ?refresh
- 搜索APIs
- Search
- URI Search
- Request Body Search
- Query
- From / Size
- Sort
- Source filtering
- Fields
- Script Fields
- Doc value Fields
- Post filter
- Highlighting
- Rescoring
- Search Type
- Scroll
- Preference
- Explain
- Version
- Index Boost
- min_score
- Named Queries
- Inner hits
- Field Collapsing
- Search After
- Search Template
- Multi Search Template
- Search Shards API
- Suggesters
- Term suggester
- Phrase Suggester
- Completion Suggester
- Context Suggester
- Returning the type of the suggester
- Multi Search API
- Count API
- Validate API
- Explain API
- Profile API
- Profiling Queries
- Profiling Aggregations
- Profiling Considerations
- Field Capabilities API
- Aggregations
- Metrics Aggregations
- 平均值聚合
- 值計數聚合(Value Count Aggregation)
- Cardinality Aggregation
- Extended Stats Aggregation
- 地理邊界聚合
- 地理重心聚合
- Max Aggregation
- Min Aggregation
- Percentiles Aggregation
- Percentile Ranks Aggregation
- Scripted Metric Aggregation
- Stats Aggregation
- Sum Aggregation
- Top hits Aggregation
- Value Count Aggregation
- Bucket Aggregations
- 鄰接矩陣聚合
- Children Aggregation
- Date Histogram Aggregation
- Date Range Aggregation
- Significant Terms Aggregation
- Filter Aggregation(過濾器聚合)
- Filters Aggregation
- Geo Distance Aggregation(地理距離聚合) 轉至元數據結尾
- GeoHash grid Aggregation(GeoHash網格聚合)
- Global Aggregation(全局聚合) 轉至元數據結尾
- Histogram Aggregation
- IP Range Aggregation(IP范圍聚合)
- Missing Aggregation
- Nested Aggregation(嵌套聚合)
- Range Aggregation(范圍聚合)
- Reverse nested Aggregation
- Sampler Aggregation
- Significant Terms Aggregation
- Significant Text Aggregation
- Terms Aggregation
- Pipeline Aggregations
- Avg Bucket Aggregation
- Derivative Aggregation(導數聚合)
- Max Bucket Aggregation
- Min Bucket Aggregation
- Sum Bucket Aggregation
- Stats Bucket Aggregation
- Extended Stats Bucket Aggregation(擴展信息桶聚合)
- Percentiles Bucket Aggregation(百分數桶聚合)
- Moving Average Aggregation
- Cumulative Sum Aggregation(累積匯總聚合)
- Bucket Script Aggregation(桶腳本聚合)
- Bucket Selector Aggregation(桶選擇器聚合)
- Serial Differencing Aggregation(串行差異聚合)
- Matrix Aggregations
- Matrix Stats
- Caching heavy aggregations
- Returning only aggregation results
- Aggregation Metadata
- Returning the type of the aggregation
- Indices APIs
- Create Index /創建索引
- Delete Index /刪除索引
- Get Index /獲取索引
- Indices Exists /索引存在
- Open / Close Index API /啟動關閉索引
- Shrink Index /縮小索引
- Rollover Index/滾動索引
- Put Mapping /提交映射
- Get Mapping /獲取映射
- Get Field Mapping /獲取字段映射
- Types Exists
- Index Aliases
- Update Indices Settings
- Get Settings
- Analyze
- Explain Analyze
- Index Templates
- 索引統計信息
- 索引段
- 索引恢復
- 索引分片存儲
- 清理緩存
- 刷新
- 同步刷新
- 重新加載
- 強制合并
- Cat APIs
- cat aliases
- cat allocation
- cat count
- cat fielddata
- cat health
- cat indices
- cat master
- cat nodeattrs
- cat nodes
- cat pending tasks
- cat plugins
- cat recovery
- cat repositories
- cat segments
- cat shards
- cat thread pool
- cat snapshots
- cat templates
- Cluster APIs
- 集群健康
- 集群狀態
- 集群統計
- 掛起的集群任務
- 集群重新路由
- Cluster Update Settings
- Nodes Stats
- Nodes Info
- Nodes Feature Usage
- Remote Cluster Info
- Task Management API
- Nodes hot_threads
- Cluster Allocation Explain API
- Query DSL
- 查詢context與過濾context
- Match All Query
- 全文搜索
- 匹配查詢
- 短語匹配查詢
- 短語前綴匹配查詢
- 多字段查詢
- 常用術語查詢
- 查詢語句查詢
- 簡單查詢語句
- Term level queries
- Term Query
- Terms Query
- Range Query
- Exists Query
- Prefix Query
- Wildcard Query
- Regexp Query
- Fuzzy Query
- Type Query
- Ids Query
- 復合查詢
- Constant Score 查詢
- Bool 查詢
- Dis Max 查詢
- Function Score 查詢
- Boosting 查詢
- Joining queries
- Has Child Query
- Has Parent Query
- Nested Query(嵌套查詢)
- Parent Id Query
- Geo queries
- GeoShape Query(地理形狀查詢)
- Geo Bounding Box Query(地理邊框查詢)
- Geo Distance Query(地理距離查詢)
- Geo Polygon Query(地理多邊形查詢)
- Specialized queries
- More Like This Query
- Script Query
- Percolate Query
- Span queries
- Span Term 查詢
- Span Multi Term 查詢
- Span First 查詢
- Span Near 查詢
- Span Or 查詢
- Span Not 查詢
- Span Containing 查詢
- Span Within 查詢
- Span Field Masking 查詢 轉至元數據結尾
- Minimum Should Match
- Multi Term Query Rewrite
- Mapping
- Removal of mapping types
- Field datatypes
- Array
- Binary
- Range
- Boolean
- Date
- Geo-point datatype
- Geo-Shape datatype
- IP datatype
- Keyword datatype
- Nested datatype
- Numeric datatypes
- Object datatype
- Text
- Token數
- 滲濾型
- join datatype
- Meta-Fields
- _all field
- _field_names field
- _id field
- _index field
- _meta field
- _routing field
- _source field
- _type field
- _uid field
- Mapping parameters
- analyzer(分析器)
- normalizer(歸一化)
- boost(提升)
- Coerce(強制類型轉換)
- copy_to(合并參數)
- doc_values(文檔值)
- dynamic(動態設置)
- enabled(開啟字段)
- eager_global_ordinals
- fielddata(字段數據)
- format (日期格式)
- ignore_above(忽略超越限制的字段)
- ignore_malformed(忽略格式不對的數據)
- index (索引)
- index_options(索引設置)
- fields(字段)
- Norms (標準信息)
- null_value(空值)
- position_increment_gap(短語位置間隙)
- properties (屬性)
- search_analyzer (搜索分析器)
- similarity (匹配方法)
- store(存儲)
- Term_vectors(詞根信息)
- Dynamic Mapping
- Dynamic field mapping(動態字段映射)
- Dynamic templates(動態模板)
- default mapping(mapping中的_default_)
- Analysis
- Anatomy of an analyzer(分析器的分析)
- Testing analyzers(測試分析器)
- Analyzers(分析器)
- Configuring built-in analyzers(配置內置分析器)
- Standard Analyzer(標準分析器)
- Simple Analyzer(簡單分析器)
- 空白分析器
- Stop Analyzer
- Keyword Analyzer
- 模式分析器
- 語言分析器
- 指紋分析器
- 自定義分析器
- Normalizers
- Tokenizers(分詞器)
- Standard Tokenizer(標準分詞器)
- Letter Tokenizer
- Lowercase Tokenizer (小寫分詞器)
- Whitespace Analyzer
- UAX URL Email Tokenizer
- Classic Tokenizer
- Thai Tokenizer(泰語分詞器)
- NGram Tokenizer
- Edge NGram Tokenizer
- Keyword Analyzer
- Pattern Tokenizer
- Simple Pattern Tokenizer
- Simple Pattern Split Tokenizer
- Path Hierarchy Tokenizer(路徑層次分詞器)
- Token Filters(詞元過濾器)
- Standard Token Filter
- ASCII Folding Token Filter
- Flatten Graph Token Filter
- Length Token Filter
- Lowercase Token Filter
- Uppercase Token Filter
- NGram Token Filter
- Edge NGram Token Filter
- Porter Stem Token Filter
- Shingle Token Filter
- Stop Token Filter
- Word Delimiter Token Filter
- Word Delimiter Graph Token Filter
- Stemmer Token Filter
- Stemmer Override Token Filter
- Keyword Marker Token Filter
- Keyword Repeat Token Filter
- KStem Token Filter
- Snowball Token Filter
- Phonetic Token Filter
- Synonym Token Filter
- Synonym Graph Token Filter
- Compound Word Token Filters
- Reverse Token Filter
- Elision Token Filter
- Truncate Token Filter
- Unique Token Filter
- Pattern Capture Token Filter
- Pattern Replace Token Filter
- Trim Token Filter
- Limit Token Count Token Filter
- Hunspell Token Filter
- Common Grams Token Filter
- Normalization Token Filter
- CJK Width Token Filter
- CJK Bigram Token Filter
- Delimited Payload Token Filter
- Keep Words Token Filter
- Keep Types Token Filter
- Classic Token Filter
- Apostrophe Token Filter
- Decimal Digit Token Filter
- Fingerprint Token Filter
- Minhash Token Filter
- Character Filters(字符過濾器)
- HTML Strip Character Filter
- Mapping Character Filter
- Pattern Replace Character Filter
- 模塊
- Cluster
- 集群級路由和碎片分配
- 基于磁盤的分片分配
- 分片分配awareness
- 分片分配過濾
- Miscellaneous cluster settings
- Scripting
- Painless Scripting Language
- Lucene Expressions Language
- Advanced scripts using script engines
- Snapshot And Restore
- Thread Pool
- Index Modules(索引模塊)
- 預處理節點
- Pipeline Definition
- Ingest APIs
- Put Pipeline API
- Get Pipeline API
- Delete Pipeline API
- Simulate Pipeline API
- Accessing Data in Pipelines
- Handling Failures in Pipelines
- Processors
- Monitoring Elasticsearch
- X-Pack APIs
- X-Pack Commands
- How To
- Testing(測試)
- Glossary of terms
- Release Notes
- X-Pack Release Notes