text מול keyword

מה זה?#

בשיעור הקודם הגדרנו name כ-text ו-category כ-keyword — בלי להסביר למה. זו לא בחירה שרירותית: text מפרק את התוכן למילים בודדות (Analysis) כדי לאפשר חיפוש “חכם”; keyword שומר את הערך כמו שהוא, שלם ומדויק, לחיפוש-מדויק ומיון. בחירה הפוכה (keyword על תיאור מוצר, text על קטגוריה) שוברת את שני סוגי הפעולות.

מילות מפתח שחשוב לזכור#

• text — מנותח (Analyzed) למילים בודדות; מתאים לחיפוש חכם בתוכן חופשי (תיאורים, מאמרים)

• keyword — נשמר כמחרוזת שלמה ומדויקת, בלי ניתוח; מתאים לסינון מדויק, מיון, וקיבוץ (Aggregation)

• Analysis (ניתוח טקסט) — התהליך שהופך text למילים בודדות: פיצול למילים, המרה לאותיות קטנות, הסרת מילות-קישור

• Tokenization — שלב הפיצול עצמו בתהליך ה-Analysis, מטקסט שלם למילים (Tokens) נפרדות

// name (text) — "Adidas running shoes" is broken into tokens: ["adidas", "running", "shoes"]
// searching on any one of the words separately will find the document

GET /products/_search
{
  "query": { "match": { "name": "running" } }
}
// finds "Adidas running shoes" — because "running" is one of the tokens

// category (keyword) — "Footwear" is stored whole, not broken apart
// exact filtering — only an identical value matches

GET /products/_search
{
  "query": { "term": { "category": "Footwear" } }
}
// finds only documents where category equals exactly "Footwear"
// "term": { "category": "Foot" } will find nothing — no exact match

// A field with both mappings together — best of both worlds
PUT /products
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "fields": { "keyword": { "type": "keyword" } }
      }
    }
  }
}
// name for smart search; name.keyword for exact filtering/sorting on the same field

הסבר עיקרי#

מתי text — כשרוצים “למצוא מסמכים שמכילים את המילה X” בלי קשר למיקום המדויק או לניסוח המלא — תיאורי מוצרים, תוכן מאמרים, כל טקסט חופשי שמישהו יחפש בתוכו חלקית. הניתוח (Analysis) הופך “נעלי ריצה אדידס” ל-3 טוקנים נפרדים, כך שחיפוש “ריצה” לבד עדיין מוצא את המסמך.

מתי keyword — כשרוצים התאמה מדויקת (קטגוריה, סטטוס, תג, מזהה), מיון לפי א’-ב’, או קיבוץ (Aggregation, בשיעור הבא) — “כמה מוצרים בכל קטגוריה” דורש שהערך יישאר שלם (“הנעלה”, לא “ה”+“נעלה” בנפרד), אחרת הקיבוץ יתפרק למילים בודדות חסרות משמעות.

השילוב (fields) הוא הפתרון המעשי הנפוץ ביותר — לפעמים רוצים גם חיפוש חכם וגם מיון/סינון מדויק על אותו שדה (למשל שם מוצר). ה-Mapping המשולב יוצר שני “צדדים” לאותו שדה: name (text, לחיפוש) ו-name.keyword (keyword, למיון/סינון מדויק) — שני שימושים, שדה מקור אחד.

יתרונות#

text מאפשר חיפוש חכם וגמיש בתוכן חופשי; keyword נותן דיוק מלא לסינון/מיון/קיבוץ; המיפוי המשולב (fields) נותן את שני היתרונות על אותו שדה בלי כפילות נתונים.

חסרונות#

בחירה שגויה (keyword על טקסט חופשי, או text על קטגוריה) שוברת שקטה את הפעולה המצופה, בלי שגיאה ברורה — רק תוצאות ריקות/לא-הגיוניות; המיפוי לא ניתן לשינוי בקלות אחרי יצירת ה-Index עם נתונים — דורש Reindex.

נקודות חשובות#

• text = מנותח למילים, לחיפוש חכם; keyword = שלם ומדויק, לסינון/מיון/קיבוץ

• חיפוש term על שדה text (מנותח) לרוב לא מוצא כלום — term דורש התאמה מדויקת לטוקן

• fields מאפשר מיפוי כפול (name + name.keyword) לאותו שדה מקור

• קיבוץ (Aggregation) כמעט תמיד דורש keyword, לא text

טעויות נפוצות#

• להגדיר קטגוריה/תג כ-text ולגלות שקיבוץ (Aggregation) מפרק אותם למילים בודדות חסרות הגיון

• להגדיר תיאור מוצר כ-keyword ולגלות שחיפוש חלקי לא מוצא כלום, כי נדרשת התאמה מדויקת לכל התיאור השלם

• להשתמש ב-term query על שדה text ולתהות למה תוצאה קיימת “לא נמצאת”

סיכום#

text מנתח תוכן למילים בודדות (Tokenization), מתאים לחיפוש חכם בטקסט חופשי. keyword שומר ערך שלם ומדויק, מתאים לסינון, מיון וקיבוץ. הבחירה הלא-נכונה שוברת בשקט את הפעולה המצופה — לא שגיאה גלויה, אלא תוצאות ריקות או לא-הגיוניות. מיפוי משולב (fields) מאפשר גם חיפוש חכם וגם דיוק על אותו שדה מקור, כשצריך את שניהם.

דוקומנטציה רשמית#

Elasticsearch — Text vs keyword

תרגילים#

תרגיל 1 — הדגמת ההבדל#

המשימה: על Index עם category כ-text, נסו קיבוץ (Aggregation בסיסי) עליה, וראו שהתוצאה “מפורקת” למילים בודדות במקום קטגוריות שלמות.

בדיקה: הקיבוץ מציג טוקנים חסרי-הגיון (מילים בודדות) במקום שמות קטגוריה שלמים — הוכחה לבעיה.

תרגיל 2 — מיפוי משולב#

המשימה: הגדירו מחדש שדה name עם fields.keyword, והריצו חיפוש חכם על name וסינון מדויק על name.keyword על אותם נתונים.

בדיקה: name מוצא התאמות חלקיות (חיפוש חכם); name.keyword מוצא רק התאמה מדויקת לשלם — שני שימושים על אותו שדה מקור.

פרויקט מסכם#

המשימה: תקנו Mapping שגוי ב-Index “מאמרים” (מהפרויקט המסכם הקודם) שבו tags הוגדר בטעות כ-text במקום keyword.

דרישות:

1. זהו את הבעיה: הריצו קיבוץ על tags והראו תוצאה שגויה
2. תקנו את ה-Mapping (tags כ-keyword), עם Reindex אם נדרש
3. הריצו שוב את הקיבוץ ואמתו תוצאה נכונה — תגים שלמים, לא מפורקים למילים

בדיקה: אחרי התיקון, הקיבוץ על tags מציג ערכי תג שלמים והגיוניים, לא מילים בודדות מפורקות.

מה בפרק הבא#

בפרק הבא — שאילתות: match, term, range, bool: כלי החיפוש המרכזיים של Elasticsearch, כולל שילוב כמה תנאים יחד.