前言
有些時(shí)候，我們搜索的時(shí)候，只會(huì)提供一個(gè)輸入框，但是會(huì)查詢相關(guān)的多個(gè)字段，典型的如Google搜索，我們?cè)撊绾斡?Elasticsearch 如何實(shí)現(xiàn)呢？
實(shí)例
從單字符串查詢的實(shí)例說起
創(chuàng)建測(cè)試?yán)拥臄?shù)據(jù)
DELETE blogs
PUT blogs/_doc/_bulk
{"index":{"_id":1}}
{"title": "Quick brown rabbits","body": "Brown rabbits are commonly seen."}
{"index":{"_id":2}}
{"title": "Keeping pets healthy","body": "My quick brown fox eats rabbits on a regular basis"}
GET blogs/_search
{
"explain": true,
"query": {
"bool": {
"should": [
{"match": {"title": "Brown fox"}},
{"match": {"body": "Brown fox"}}
]
}
}
}
上面的例子相關(guān)性的值是title與body的簡(jiǎn)單相加，可以通過“"explain": true”打印出來的數(shù)據(jù)進(jìn)行查詢計(jì)算的過程。
最優(yōu)字段查詢調(diào)優(yōu)
可以使用disjunction max query，讓其匹配最大相關(guān)性那個(gè)字段，同時(shí)tie_breaker可以調(diào)整相關(guān)性，取值范圍是0~1，可以控制相關(guān)性較小那個(gè)值占用的比例，默認(rèn)是0，畢竟只要相關(guān)性最大那個(gè)字段就好了，其他字段不打分。
GET blogs/_search
{
"explain": true,
"query": {
"dis_max": {
"queries": [
{"match": {"title": "Brown fox"}},
{"match": {"body": "Brown fox"}}
],
"tie_breaker": 0.7
}
}
}
相關(guān)性的值是title與body中的最大值。
multi_match
multi_match 查詢?yōu)槟茉诙鄠€(gè)字段上反復(fù)執(zhí)行相同查詢提供了一種便捷方式。
上面的dis_max例子改寫如下
GET blogs/_search
{
"explain": true,
"query": {
"multi_match": {
"type": "most_fields",
"query": "Brown fox",
"fields": ["title","body"],
"tie_breaker": 0.7
}
}
}
multi_match 查詢
multi_match 支持三種場(chǎng)景
- best_fields——（默認(rèn)）查找匹配任何字段的文檔，但是使用最佳匹配字段的_score。
- most_fields——查找匹配任何字段的文檔，結(jié)合每個(gè)字段的_score。
- cross_fields——用相同的分析器處理字段，把這些字段當(dāng)作一個(gè)大字段。查找任何字段的每個(gè)單詞。類似copy_to
query中可以指定minimum_should_match、operator等字段，會(huì)把這些字段傳遞到query語句中
best_fields
當(dāng)搜索詞語具體概念的時(shí)候，比如 “brown fox” ，詞組比各自獨(dú)立的單詞更有意義。像 title 和 body 這樣的字段，盡管它們之間是相關(guān)的，但同時(shí)又彼此相互競(jìng)爭(zhēng)。文檔在相同字段 中包含的詞越多越好，評(píng)分也來自于最匹配字段 。
best_fields 語句 等同于 dis_max 語句，可以配置tie_breaker參數(shù)。
most_fields
全文搜索被稱作是 召回率（Recall） 與 精確率（Precision） 的戰(zhàn)場(chǎng)： 召回率 ——返回所有的相關(guān)文檔； 精確率 ——不返回?zé)o關(guān)文檔。目的是在結(jié)果的第一頁(yè)中為用戶呈現(xiàn)最為相關(guān)的文檔。
為了提高召回率的效果，我們擴(kuò)大搜索范圍——不僅返回與用戶搜索詞精確匹配的文檔，還會(huì)返回我們認(rèn)為與查詢相關(guān)的所有文檔。如果一個(gè)用戶搜索 “quick brown box” ，一個(gè)包含詞語“fast foxes”的文檔被認(rèn)為是非常合理的返回結(jié)果。
提高全文相關(guān)性精度的常用方式是為同一文本建立多種方式的索引，每種方式都提供了一個(gè)不同的相關(guān)度信號(hào)signal。主字段會(huì)以盡可能多的形式的去匹配盡可能多的文檔。
DELETE titles
PUT titles
{
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "english",
"fields": {"std": {"type": "text","analyzer": "standard"}}
}
}
}
}
GET /titles/_search
{
"query": {
"multi_match": {
"query": "barking dogs",
"type": "most_fields",
"fields": [ "title^10", "title.std" ]
}
}
}
比如這個(gè)例子，文檔中的“title”被索引了兩次，主字段“title”的分詞器是“english”，會(huì)提取詞干，“a”，“the”等這些會(huì)在分詞過程中被過濾掉，“ing”等會(huì)去除，子字段“title.std”的分詞器是“standard”，不會(huì)提取詞干。
同時(shí)指定了boost，比如上面的“title^10”，表示“title”的權(quán)重是10。
cross_fields
對(duì)于某些實(shí)體，我們需要在多個(gè)字段中確定其信息，單個(gè)字段都只能作為整體的一部分：
Person： first_name 和 last_name （人：名和姓）
Book： title 、 author 和 description （書：標(biāo)題、作者、描述）
Address： street 、 city 、 country 和 postcode （地址：街道、市、國(guó)家和郵政編碼）
在這種情況下，我們希望在任何 這些列出的字段中找到盡可能多的詞，這有如在一個(gè)大字段中進(jìn)行搜索，這個(gè)大字段包括了所有列出的字段。
這個(gè)類似copy_to，copy_to需要額外的存儲(chǔ)空間，這個(gè)不需要。
支持 operator 操作，如果指定的是“and”，那么表示所有詞都是必須的。
