ES boost细粒度搜索及multi-field搜索策略最佳实践深刻剖析-搜索系统线上实战

专一于大数据及容器云核心技术解密，可提供全栈的大数据+云原平生台咨询方案，请持续关注本套博客。QQ邮箱地址：1120746959@qq.com，若有任何学术交流，可随时联系。详情请关注《数据云技术社区》公众号。

1 制造数据

POST /forum/article/_bulk
{ "update": { "_id": "1"} }
{ "doc" : {"content" : "i like to write best elasticsearch article"} }
{ "update": { "_id": "2"} }
{ "doc" : {"content" : "i think java is the best programming language"} }
{ "update": { "_id": "3"} }
{ "doc" : {"content" : "i am only an elasticsearch beginner"} }
{ "update": { "_id": "4"} }
{ "doc" : {"content" : "elasticsearch and hadoop are all very good solution, i am a beginner"} }
{ "update": { "_id": "5"} }
{ "doc" : {"content" : "spark is best big data solution based on scala ,an programming language similar to java"} }
复制代码

2 搜索条件的权重boost

• 搜索标题中包含java的帖子，同时呢，若是标题中包含hadoop或elasticsearch就优先搜索出来，同时呢，若是一个帖子包含java hadoop，一个帖子包含java elasticsearch，包含hadoop的帖子要比elasticsearch优先搜索出来。
• 默认状况下，搜索条件的权重都是同样的，都是1。

GET /forum/article/_search 
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "title": "blog"
          }
        }
      ],
      "should": [
        {
          "match": {
            "title": {
              "query": "java"
            }
          }
        },
        {
          "match": {
            "title": {
              "query": "hadoop"
            }
          }
        },
        {
          "match": {
            "title": {
              "query": "elasticsearch"
            }
          }
        },
        {
          "match": {
            "title": {
              "query": "spark",
              "boost": 5
            }
          }
        }
      ]
    }
  }
}
复制代码

3 multi-field搜索弊端及best fields策略

• multi-field搜索，多字段搜索

GET /forum/article/_search
{
    "query": {
        "bool": {
            "should": [
                { "match": { "title": "java solution" }},
                { "match": { "content":  "java solution" }}
            ]
        }
    }
}
复制代码

• best fields策略，表示搜索到的结果，应该是某一个field中匹配到了尽量多的关键词被排在前面；而不是尽量多的field匹配到了少数的关键词，排在了前面
• dis_max语法，直接取多个query中，分数最高的那一个query的分数便可。

GET /forum/article/_search
{
    "query": {
        "dis_max": {
            "queries": [
                { "match": { "title": "java solution" }},
                { "match": { "content":  "java solution" }}
            ]
        }
    }
}

dis_max语法，直接取多个query中，分数最高的那一个query的分数便可

{ "match": { "title": "java solution" }}，针对doc4，是有一个分数的，1.1
{ "match": { "content":  "java solution" }}，针对doc4，也是有一个分数的，1.2
取最大分数，1.2

{ "match": { "title": "java solution" }}，针对doc5，是没有分数的
{ "match": { "content":  "java solution" }}，针对doc5，是有一个分数的，2.3
取最大分数，2.3
复制代码

• doc4的分数 = 1.2 < doc5的分数 = 2.3，因此doc5就能够排在更前面的地方，符合咱们的须要

4 multi-field搜索弊端及tie_breaker策略

• tie_breaker参数的意义，在于将其余query的分数，乘以tie_breaker，而后综合与最高分数的那个query的分数，综合在一块儿进行计算
• 除了取最高分之外，还会考虑其余的query的分数，tie_breaker的值，在0~1之间，是个小数。

GET /forum/article/_search
{
    "query": {
        "dis_max": {
            "queries": [
                { "match": { "title": "java beginner" }},
                { "match": { "body":  "java beginner" }}
            ],
            "tie_breaker": 0.3
        }
    }
}
复制代码

5 multi-field搜索及minimum_should_match策略

• 长尾，好比你搜索5个关键词，可是不少结果是只匹配1个关键词的，其实跟你想要的结果相差甚远，这些结果就是长尾 minimum_should_match，控制搜索结果的精准度，只有匹配必定数量的关键词的数据，才能返回

GET /forum/article/_search
{
  "query": {
    "dis_max": {
      "queries":  [
        {
          "match": {
            "title": {
              "query": "java beginner",
              "minimum_should_match": "50%",
	           "boost": 2
            }
          }
        },
        {
          "match": {
            "body": {
              "query": "java beginner",
              "minimum_should_match": "30%"
            }
          }
        }
      ],
      "tie_breaker": 0.3
    }
  } 
}
复制代码

6 multi_match搜索规范

• ^2表示boost为2，提高分数权重

GET /forum/article/_search
{
  "query": {
    "multi_match": {
        "query":                "java solution",
        "type":                 "best_fields", 
        "fields":               [ "title^2", "content" ],
        "tie_breaker":          0.3,
        "minimum_should_match": "50%" 
    }
  } 
}
复制代码

7 总结

专一于大数据及容器云核心技术解密，可提供全栈的大数据+云原平生台咨询方案，请持续关注本套博客。QQ邮箱地址：1120746959@qq.com，若有任何学术交流，可随时联系。详情请关注《数据云技术社区》公众号。