Elasticsearch实现hotel索引库自动补全、拼音搜索功能

 在这里边我们有两个字段需要用拼音分词器，一个name字段，一个all字段。 然后我们还需要去实现自动补全，而自动补全对应的字段必须使用completion类型。目前我们酒店里面所有的字段都采用的是这种常规类型，没有completion 类型。所以我们一定要在索引库里面加一个新的字段，比如说我起个名字就叫suggestion。

这个字段它必须采用completion 类型，并且我们将来要去使用拼音分词器，因为我们肯定希望将来要根据拼音首字母去做自动补全，不仅仅是根据英文单词，那么这些功能功能都做完了以后，我们还需要去改我们的java代码。

你索引库里边字段增加了，你的java代码是不是也要增加？最后我们就可以重新去导入数据，测试这个拼音分词的，还有自动补全的功能了。

下边我们就逐一的来去做一下。首先第一步我们去修改酒店索引库数据结构。

 sighting就是来定义索引库的分词器的，大家可以看到分词器里面，

Keyword不分词：它的词条直接作为一个整体，然后再去用拼音，因为我将来参与自动补全的，肯定就是固定的一个一个的词条。我们会把这些词条放到数组当中。 因此它本身就是个词条，还有必要再分词吗？ 没必要了，所以我们就把它直接做成Keyword类型，不分词，然后再去用这个拼音分词器转成拼音就可以了。

将来我们去做全文检索的，应该用text_analyzer。 如果说做自动补全的，用completion_analyzer

接下来就是定义酒店的字段了。 需要注意的是，我们把这个name字段，它的分词器定义成了text_analyzer   ，搜索的时候我们 不能用text_analyzer，应该用这个传统的分词器，所以我们用了ik_smart，与此类似的，还有我们的这个all字段，它也是在创建索引时用text_analyzer ，然后在搜索时用ik_smart。 最后我们还添加了一个suggestion字段，这个字段将来是来自自动补全的，所以它的类型就定义成了completion类型。那他用的分词器是completion_analyzer

先删除之前的索引库，再设置如下：DELETE /hotel

// 酒店数据索引库
PUT /hotel
{
  "settings": {
    "analysis": {
      "analyzer": {
        "text_anlyzer": {
          "tokenizer": "ik_max_word",
          "filter": "py"
        },
        "completion_analyzer": {
          "tokenizer": "keyword",
          "filter": "py"
        }
      },
      "filter": {
        "py": {
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword",
        "copy_to": "all"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart"
      },
      "suggestion":{
          "type": "completion",
          "analyzer": "completion_analyzer"
      }
    }
  }
}