每份文档一种语言

每个主语言文档只需要相当简单的设置。不同语言的文档被分别存放在不同的索引中 — blogs-en 、 blogs-fr ，如此等等 — 这样每个索引就可以使用相同的类型和相同的域，只是使用不同的分析器：


PUT /blogs-en
{
  "mappings": {
    "properties": {
      "title": { 0️⃣
        "type": "text",
        "fields": {
          "stemmed": {
            "type": "text",
            "analyzer": "english" 1️⃣
          }
        }
      }
    }
  }
}

PUT /blogs-fr
{
  "mappings": {
    "properties": {
      "title": { 0️⃣
        "type": "text",
        "fields": {
          "stemmed": {
            "type": "text",
            "analyzer": "french" 1️⃣
          }
        }
      }
    }
  }
}

0️⃣ 索引 blogs-en 和 blogs-fr 的 post 类型都有一个包含 title 域

1️⃣ title.stemmed 子域使用了具体语言的分析器。

这个方法干净且灵活。新语言很容易被添加 — 仅仅是创建一个新索引—因为每种语言都是彻底的被分开，我们不用遭受在混合语言的陷阱中描述的词频和词干提取的问题。

每一种语言的文档都可被独立查询，或者通过查询多种索引来查询多种语言。我们甚至可以使用 indices_boost 参数为特定的语言添加优先权：


GET /blogs-*/_search 0️⃣
{
  "query": {
    "multi_match": {
      "query": "deja vu",
      "fields": [ 1️⃣
        "title",
        "title.stemmed"
      ],
      "type": "most_fields"
    }
  },
  "indices_boost": [ 2️⃣
    {
      "blogs-en": 3
    },
    {
      "blogs-fr": 2
    }
  ]
}

0️⃣ 这个查询会在所有以 blogs- 开头的索引中执行。

1️⃣ title.stemmed 字段使用每个索引中指定的分析器查询。

2️⃣ 也许用户接受语言标头表明，更倾向于英语，然后是法语，所以相应的，我们会为每个索引的结果添加权重。任何其他语言会有一个中性的权重 1 。

外语单词

当然，有些文档含有一些其他语言的单词或句子，且不幸的是这些单词被切为了正确的词根。对于主语言文档，这通常并不是主要的问题。用户经常需要搜索很精确的单词—例如，一个其他语言的引用—而不是语型变化过的单词。召回率 (Recall)可以通过使用归一化词元中讲解的技术提升。

假设有些单词例如地名应当能被主语言和原始语言都能检索，例如 Munich 和 München 。这些单词实际上是我们在同义词解释过的同义词。

不要对语言使用类型

你也许很倾向于为每个语言使用分开的类型，来代替使用分开的索引。为了达到最佳效果，你应当避免使用类型。在类型和映射解释过，不同类型但有相同域名的域会被索引在相同的倒排索引中。这意味着不同类型（和不同语言）的词频混合在了一起。

为了确保一种语言的词频不会污染其他语言的词频，在后面的章节中会介绍到，无论是为每个语言使用单独的索引，还是使用单独的域都可以。

elastic

每份文档一种语言

外语单词