RousselTMLEARNING

Observabilité

Recherche plein texte dans OpenSearch : analyseurs et pertinence

Maîtriser la recherche plein texte : index inversé, analyseurs (dont le français), API _analyze, requêtes match, multi_match, phrase et floues, score BM25, surlignage, pagination avec search_after et point in time.

1. L'index inversé #

Pourquoi la recherche est rapide.

Principe #

Index inversé

Comme l'index d'un livre, l'index inversé associe chaque terme à la liste des documents qui le contiennent. Chercher « refus » revient à lire une seule entrée, quelle que soit la taille de l'index. Tout dépend donc de la façon dont le texte est découpé en termes : c'est le rôle de l'analyseur.

À savoir : Les requêtes sont écrites au format de la console Dev Tools d'OpenSearch Dashboards (GET _cluster/health). En ligne de commande, la même requête s'écrit curl -sk -u 'admin:Str0ng!Passw0rd-2026' https://localhost:9200/_cluster/health, avec -H 'Content-Type: application/json' -d '…' quand il y a un corps.

2. Les analyseurs #

Du texte aux termes.

Anatomie #

Anatomie d'un analyseur
ÉtapeRôleExemples
char_filtermodifier le texte bruthtml_strip, mapping, pattern_replace
tokenizerdécouper en jetonsstandard, whitespace, keyword, ngram
filtertransformer les jetonslowercase, asciifolding, elision, stop, stemmer, synonym

Tester avec _analyze #

POST _analyze
{"analyzer": "standard", "text": "L'Été à Paris"}

POST _analyze
{"analyzer": "french", "text": "L'Été à Paris"}
AnalyseurTermes obtenus
standardl'été, à, paris
frenchete, pari

L'analyseur french retire l'élision (l'), les mots vides (à) et réduit les mots à leur racine : « paiements » et « paiement » donnent le même terme.

Un analyseur sur mesure #

PUT produits-v1
{
  "settings": {
    "analysis": {
      "filter": {
        "fr_elision": {"type": "elision", "articles_case": true, "articles": ["l", "d", "j", "qu", "n", "s", "c", "m", "t"]},
        "fr_stem":    {"type": "stemmer", "language": "light_french"},
        "synonymes":  {"type": "synonym", "synonyms": ["pc, ordinateur", "tv, téléviseur"]}
      },
      "analyzer": {
        "francais_sans_accents": {
          "tokenizer": "standard",
          "filter": ["fr_elision", "lowercase", "asciifolding", "synonymes", "fr_stem"]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "nom":   {"type": "text", "analyzer": "francais_sans_accents", "fields": {"exact": {"type": "keyword"}}},
      "description": {"type": "text", "analyzer": "francais_sans_accents"},
      "prix":  {"type": "float"},
      "stock": {"type": "integer"}
    }
  }
}
Erreur Courante : L'analyseur d'un champ ne se change pas sur un index existant : il faut réindexer. Testez-le avec _analyze sur des exemples réels avant de créer l'index.

3. Les requêtes plein texte #

Choisir la bonne requête.

Panorama #

RequêteComportementExemple d'usage
matchanalyse le texte, cherche les termes (OU par défaut)barre de recherche
match + operator: andtous les termes requisaffiner
match_phrasetermes dans l'ordre, slop pour la tolérance« carte bancaire »
multi_matchplusieurs champs, pondération ^nom et description
fuzziness: AUTOtolère les fautes de frappe« ordinatuer »
termvaleur exacte, sans analysechamp keyword uniquement

Une recherche de produits #

GET produits/_search
{
  "query": {
    "bool": {
      "must": [{
        "multi_match": {
          "query": "ordinatuer portable",
          "fields": ["nom^3", "description"],
          "fuzziness": "AUTO"
        }
      }],
      "filter": [
        {"range": {"prix": {"lte": 1200}}},
        {"range": {"stock": {"gt": 0}}}
      ]
    }
  },
  "highlight": {"fields": {"description": {}}},
  "_source": ["nom", "prix"]
}

nom^3 donne trois fois plus de poids au nom qu'à la description. Les filtres de prix et de stock ne comptent pas dans le score et sont mis en cache.

Erreur Courante : Une requête term sur un champ text ne trouve rien : la valeur cherchée n'est pas analysée alors que le contenu l'a été. Utilisez match, ou le sous-champ keyword.

4. La pertinence #

Comprendre et régler le score.

BM25 #

Score BM25
  • Fréquence du terme : plus un terme apparaît dans le document, plus le score monte, avec un effet de saturation (paramètre k1, 1,2 par défaut).
  • Rareté : un terme rare dans l'index pèse plus qu'un terme fréquent.
  • Longueur : un champ court où le terme apparaît pèse plus qu'un long texte (paramètre b, 0,75).

Expliquer et ajuster #

GET produits/_search
{"explain": true, "query": {"match": {"nom": "portable"}}}

GET produits/_search
{
  "query": {
    "function_score": {
      "query": {"match": {"nom": "portable"}},
      "functions": [{"field_value_factor": {"field": "stock", "modifier": "log1p", "factor": 0.5}}],
      "boost_mode": "sum"
    }
  }
}

explain détaille le calcul du score de chaque document. function_score ajoute un critère métier (stock, popularité, fraîcheur) au score textuel.

5. Paginer sans limite #

from/size, search_after et point in time.

Les méthodes #

MéthodeLimiteUsage
from + size10 000 résultats (index.max_result_window)pages d'un site
search_after + PITaucune, vue figée des donnéesexports, pagination profonde
scrollancienne méthode, coûteuseà remplacer par PIT
POST produits/_search/point_in_time?keep_alive=2m

GET _search
{
  "size": 100,
  "pit": {"id": "<pit_id>", "keep_alive": "2m"},
  "sort": [{"prix": "asc"}, {"_id": "asc"}],
  "search_after": [499.0, "sku-1234"]
}

Commandes à connaître #

Commandes à connaître
  • POST _analyze : voir les termes produits par un analyseur
  • GET <index>/_search {"explain": true} : détail du score
  • POST <index>/_search/point_in_time?keep_alive=2m : figer une vue pour paginer
  • GET <index>/_termvectors/<id> : termes indexés d'un document
  • POST <index>/_validate/query?explain : valider et réécrire une requête

Sources #

Vérifié en novembre 2026 (OpenSearch 3.x, Data Prepper 2.x) : OpenSearch publie une version mineure environ toutes les six semaines, consultez les notes de version avant de vous appuyer sur un détail.

Articles liés

Le cluster OpenSearch en détail : nœuds, shards et réplication

Comprendre le fonctionnement interne d'un cluster OpenSearch : rôles des nœuds, élection du cluster manager, …

Agrégations, PPL et SQL avancés dans OpenSearch

Analyser ses données dans OpenSearch : agrégations bucket, metric et pipeline, histogrammes de dates, cardina…

Data Prepper avancé : routage, OpenTelemetry et fiabilité

Aller plus loin avec Data Prepper : architecture, tampons et workers, processeurs conditionnels, routage vers…

Pour aller plus loin

Soutenir

♥ SOUTENIR

Soutenez RousselTM Learning

Les formations, articles, TP et attestations restent gratuits et sans publicité intrusive. Une contribution libre, du montant de votre choix, finance l’hébergement, les environnements de TP et l’écriture de nouveaux contenus.

Contribuer avec PayPal Montant libre · carte bancaire ou compte PayPalEn savoir plus
QR code PayPal
Ou scannez ce QR code avec votre téléphone

Merci, chaque contribution compte !