ES入门（四）Elasticsearch之单字符串多字段查询

Dis Max Query

数据准备，索引my_index002

{ "name" : "C++", "dec" : "i like writing artcle" }, { "name" : "java", "dec" : "i like writing solution artcle" }, { "name" : "solution", "dec" : "i think java is nice" }, { "name" : "php", "dec" : "i think php is nice" }, { "name" : "php", "dec" : "i think php is nice" }

搜索name或dec中包含java或solution的document

---

搜索： GET /my_index002/_search { "query": { "bool": { "should": [ {"match": { "name": "java solution" }}, {"match": { "dec": "java solution" }} ] } } } 返回结果： { "took" : 11, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : 3, "max_score" : 2.2891216, "hits" : [ { "_index" : "my_index002", "_type" : "_doc", "_id" : "2", "_score" : 2.2891216, "_source" : { "name" : "java", "dec" : "i like writing solution artcle" } }, { "_index" : "my_index002", "_type" : "_doc", "_id" : "4", "_score" : 2.2891216, "_source" : { "name" : "solution", "dec" : "i think java is nice" } }, { "_index" : "my_index002", "_type" : "_doc", "_id" : "5", "_score" : 1.4628086, "_source" : { "name" : "c#", "dec" : "java is a good language, solution is goods" } } ] } }

结果分析：

期望_id=5的文档，但是_id=2和_id=4的文档排在来前面。

计算_id=2的分数，{"match": {"name": "java solution"}}，针对_id=2的文档有一个分数                               {"match": {"dec": "java solution"}}，针对_id=2的文档有一个分数 所以这两个分数加起来：假设这两个分数分别是  1.1+1.2=2.3，matched query数量=2，总query数量=2，得分=2.3*2/2=2.3。

计算_id=5的分数，{"match": {"name": "java solution"}}，没有分数                               {"match": {"dec": "java solution"}}，有一个分数

所以说，只有一个query是有分数的，假设是2.3，matched query数量=1，总query数量=2，得分=2.3*1/2=1.15 < 2.3。

如果期望_id=5的文档排在前面，可以使用best fields策略：dis_max

---

GET /my_index002/_search { "query": { "dis_max": { "queries": [ {"match": { "name": "java solution" }}, {"match": { "dec": "java solution" }} ] } } }

best fields策略，就是说，搜索到的结果，应该是某一个field中匹配到来尽可能多的关键词，被排在前面；而不是尽可能多的field匹配到来少数的关键词（best fields），排在来前面。dis_max语法直接取多个query中，分数最高的那一个query的分数即可。

计算_id=2的分数，{"match": {"name": "java solution"}}，针对_id=2的文档有一个分数 1.1                               {"match": {"dec": "java solution"}}，针对_id=2的文档有一个分数 1.2 所以这两个分数加起来：假设这两个分数分别是  1.1+1.2=2.3，得分=max(1.1，1.2)=1.2

计算_id=5的分数，{"match": {"name": "java solution"}}，没有分数 0                               {"match": {"dec": "java solution"}}，有一个分数 2.3

所以_id=5的document的得分是max(0, 2.3)=2.3。

tie_breaker

考虑一下以下场景：

某个商品，document1，name中包含java，dec中不包含java，solution任何一个关键字某个商品，document2，name中包含solution，dec中不包含任何一个关键字某个商品，document3，name中包含java，dec中包含solution最终搜索出来结果可能是：document1和document2排在document3前面，而不是我们期望的document3排在最前面

dis_max只取某个query最大的分数，完全不考虑其他query的分数。

使用tie_breaker可以将其他的query分数也考虑进去。

tie_breaker参数的意义在于将其他query的分数，乘以tie_breaker，然后综合与最高分数的那个query的分数，综合在一起进行计算。

---

GET /my_index002/_search { "query": { "dis_max": { "queries": [ {"match": { "name": "java solution" }}, {"match": { "dec": "java solution" }} ], "tie_breaker": 0.3 } } }

multi_match查询

multi_match查询语法如下：

---

GET /my_index002/_search { "query": { "multi_match": { "query": "java solution", //查询关键词 "fields": ["name", "dec"], //查询字段 "type": "most_fields" //查询返回的得分策略 } } }

most_fields与best_fields的区别：

1. best_fields，是对多个field进行搜索，挑选某个field匹配度最高的那个分数，同时在多个query最高分相同的情况下，在一定程度上考虑其他query的分数。简单来说，你对多个field进行搜索，就想搜到某一个field尽可能包含更多的关键字的数据。

优点：通过best_fields策略，以及综合考虑其他field，还有minimum_should_match支持，可以尽可能精确地将匹配结果推送到最前面

缺点：除了那些精确匹配的结果，其他差不多大的结果，排序结果不是太均匀，没有什么区分度来

2. most_fields，综合多个field一起进行搜索，尽可能多的让所有field的query参与到总分数的计算中来，此时就是个大杂烩，结果不一定精确，某一个document的一个field包含更多的关键字，但是因为其他document有更过的field匹配到了，所以排在了前面

优点：尽可能将匹配更多field的结果推送到最前面，整个排序结果是比较均匀的

缺点：可能那些精确匹配的结果，无法推送到最前面

wiki明显使用的是most_fields策略，搜索结果比较均匀，但是要翻好几页才能找到最匹配的结果；而baidu使用的则是best_fields。