使用NEST渗透

我正在索引我的查询如下：

client.Index(new PercolatedQuery { Id = "std_query", Query = new QueryContainer(new MatchQuery { Field = Infer.Field(entry => entry.Message), Query = "just a text" }) }, d => d.Index(EsIndex)); client.Refresh(EsIndex); 

现在，如何使用ES的filterfunction将传入的文档与此查询进行匹配？ 说这个领域缺乏NEST文件将是一个巨大的轻描淡写。 我尝试使用client.Percolate调用，但它现在已被弃用，他们建议使用搜索api，但不告诉如何使用client.Percolate …

我正在使用ES v5和相同版本的NEST lib。

Answer 1

一旦GA发布，有计划改进 5.x 的文档 ; 我知道文档可以在很多地方更清晰，在这方面的任何帮助将是最受欢迎的:)

Percolate查询的文档是从集成测试中生成的 。 在这里拉出所有的例子， 使用你的其他问题的详细信息 。 首先，让我们定义POCO模型

 public class LogEntryModel { public string Message { get; set; } public DateTimeOffset Timestamp { get; set; } } public class PercolatedQuery { public string Id { get; set; } public QueryContainer Query { get; set; } } 

我们将流畅地映射所有属性而不是使用映射属性。 流畅的映射是最强大的，可以表达在Elasticsearch中映射的所有方法。

现在，创建连接设置和客户端以使用Elasticsearch。

 var pool = new SingleNodeConnectionPool(new Uri($"http://localhost:9200")); var logIndex = "log_entries"; var connectionSettings = new ConnectionSettings(pool) // infer mapping for logs .InferMappingFor(m => m .IndexName(logIndex) .TypeName("log_entry") ) // infer mapping for percolated queries .InferMappingFor(m => m .IndexName(logIndex) .TypeName("percolated_query") ); var client = new ElasticClient(connectionSettings); 

我们可以指定索引名称和类型名称来推断我们的POCO; 也就是说，当NEST使用LogEntryModel或PercolatedQuery作为请求中的generics类型参数（例如。在.Search()发出请求时，如果未指定它们，它将使用推断的索引名称和类型名称请求。

现在，删除索引，以便我们可以从头开始

 // delete the index if it already exists if (client.IndexExists(logIndex).Exists) client.DeleteIndex(logIndex); 

并创建索引

 client.CreateIndex(logIndex, c => c .Settings(s => s .NumberOfShards(1) .NumberOfReplicas(0) ) .Mappings(m => m .Map(mm => mm .AutoMap() ) .Map(mm => mm .AutoMap() .Properties(p => p // map the query field as a percolator type .Percolator(pp => pp .Name(n => n.Query) ) ) ) ) ); 

PercolatedQuery上的Query属性被映射为percolator类型。 这是Elasticsearch 5.0中的新function。 映射请求看起来像

 { "settings": { "index.number_of_replicas": 0, "index.number_of_shards": 1 }, "mappings": { "log_entry": { "properties": { "message": { "fields": { "keyword": { "type": "keyword" } }, "type": "text" }, "timestamp": { "type": "date" } } }, "percolated_query": { "properties": { "id": { "fields": { "keyword": { "type": "keyword" } }, "type": "text" }, "query": { "type": "percolator" } } } } } 

现在，我们已准备好为查询编制索引

 client.Index(new PercolatedQuery { Id = "std_query", Query = new MatchQuery { Field = Infer.Field(entry => entry.Message), Query = "just a text" } }, d => d.Index(logIndex).Refresh(Refresh.WaitFor)); 

在索引编制索引的情况下，让我们渗透文档

 var logEntry = new LogEntryModel { Timestamp = DateTimeOffset.UtcNow, Message = "some log message text" }; // run percolator on the logEntry instance var searchResponse = client.Search(s => s .Query(q => q .Percolate(p => p // field that contains the query .Field(f => f.Query) // details about the document to run the stored query against. // NOTE: This does not index the document, only runs percolation .DocumentType() .Document(logEntry) ) ) ); // outputs 1 Console.WriteLine(searchResponse.Documents.Count()); 

ID为"std_query"的渗透查询返回searchResponse.Documents

 { "took" : 117, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "failed" : 0 }, "hits" : { "total" : 1, "max_score" : 0.2876821, "hits" : [ { "_index" : "log_entries", "_type" : "percolated_query", "_id" : "std_query", "_score" : 0.2876821, "_source" : { "id" : "std_query", "query" : { "match" : { "message" : { "query" : "just a text" } } } } } ] } } 

这是渗透文档实例的示例。 也可以针对已编入索引的文档运行渗透

 var searchResponse = client.Search(s => s .Query(q => q .Percolate(p => p // field that contains the query .Field(f => f.Query) // percolate an already indexed log entry .DocumentType() .Id("log entry id") .Index() .Type() ) ) );