Az analyzer tokenekké alakítja a szöveget a kereséshez: olyan egységekké, gyakran szavakká, amelyek később egyeztethetők.
Egy szándékosan HTML-eltávolításra, szófelbontásra és kisbetűsítésre konfigurált pipeline esetén:
<b>Blue Shoes</b>
-> Blue Shoes
-> [Blue, Shoes]
-> [blue, shoes]
A végső tokenek megmagyarázzák, miért illeszkedhet a kisbetűs shoes az eredeti bemenetre. Ez egyedi példa; nem minden analyzer távolítja el a HTML-t.
A Kibana Dev Toolsban ez a kérés megmutatja a pipeline tokenjeit:
POST /_analyze
{
"char_filter": ["html_strip"],
"tokenizer": "standard",
"filter": ["lowercase"],
"text": "<b>Blue Shoes</b>"
}
Keressük a visszaadott tokenek között a blue és shoes értéket. Ezután próbáljunk valós ékezeteket, nyelveket és termékkódokat. Az indexeléskori elemzés a tárolt termeket, a kereséskori elemzés a felhasználói lekérdezést készíti elő. Kompatibilis termek kellenek akkor is, ha a két pipeline eltér.
IT interjúkérdések gyűjteménye részletes válaszokkal — Juniortól Seniorig.
Adományozás