• 最佳字段
    • dis_max查询

    最佳字段

    假设我们有一个让用户搜索博客文章的网站(允许多字段搜索，最佳字段查询)，就像这两份文档一样：

    1. PUT /my_index/my_type/1
    2. {
    3.     "title": "Quick brown rabbits",
    4.     "body":  "Brown rabbits are commonly seen."
    5. }
    7. PUT /my_index/my_type/2
    8. {
    9.     "title": "Keeping pets healthy",
    10.     "body":  "My quick brown fox eats rabbits on a regular basis."
    11. }

    // SENSE: 110_Multi_Field_Search/15_Best_fields.json

    用户输入了”Brown fox”，然后按下了搜索键。我们无法预先知道用户搜索的词条会出现在博文的title或者body字段中，但是用户是在搜索和他输入的单词相关的内容。右眼观察，以上的两份文档中，文档2似乎匹配的更好一些，因为它包含了用户寻找的两个单词。

    让我们运行下面的bool查询：

    1. {
    2.     "query": {
    3.         "bool": {
    4.             "should": [
    5.                 { "match": { "title": "Brown fox" }},
    6.                 { "match": { "body":  "Brown fox" }}
    7.             ]
    8.         }
    9.     }
    10. }

    // SENSE: 110_Multi_Field_Search/15_Best_fields.json

    然后我们发现文档1的分值更高：

    1. {
    2.   "hits": [
    3.      {
    4.         "_id":      "1",
    5.         "_score":   0.14809652,
    6.         "_source": {
    7.            "title": "Quick brown rabbits",
    8.            "body":  "Brown rabbits are commonly seen."
    9.         }
    10.      },
    11.      {
    12.         "_id":      "2",
    13.         "_score":   0.09256032,
    14.         "_source": {
    15.            "title": "Keeping pets healthy",
    16.            "body":  "My quick brown fox eats rabbits on a regular basis."
    17.         }
    18.      }
    19.   ]
    20. }

    要理解原因，想想bool查询是如何计算得到其分值的：

    • 1.运行should子句中的两个查询
    • 2.相加查询返回的分值
    • 3.将相加得到的分值乘以匹配的查询子句的数量
    • 4.除以总的查询子句的数量

    文档1在两个字段中都包含了brown，因此两个match查询都匹配成功并拥有了一个分值。文档2在body字段中包含了brown以及fox，但是在title字段中没有出现任何搜索的单词。因此对body字段查询得到的高分加上对title字段查询得到的零分，然后在乘以匹配的查询子句数量1，最后除以总的查询子句数量2，导致整体分值比文档1的低。

    在这个例子中，title和body字段是互相竞争的。我们想要找到一个最佳匹配(Best-matching)的字段。

    如果我们不是合并来自每个字段的分值，而是使用最佳匹配字段的分值作为整个查询的整体分值呢？这就会让包含有我们寻找的两个单词的字段有更高的权重，而不是在不同的字段中重复出现的相同单词。

    dis_max查询

    相比使用bool查询，我们可以使用dis_max查询(Disjuction Max Query)。Disjuction的意思”OR”(而Conjunction的意思是”AND”)，因此Disjuction Max Query的意思就是返回匹配了任何查询的文档，并且分值是产生了最佳匹配的查询所对应的分值：

    1. {
    2.     "query": {
    3.         "dis_max": {
    4.             "queries": [
    5.                 { "match": { "title": "Brown fox" }},
    6.                 { "match": { "body":  "Brown fox" }}
    7.             ]
    8.         }
    9.     }
    10. }

    // SENSE: 110_Multi_Field_Search/15_Best_fields.json

    它会产生我们期望的结果:

    1. {
    2.   "hits": [
    3.      {
    4.         "_id":      "2",
    5.         "_score":   0.21509302,
    6.         "_source": {
    7.            "title": "Keeping pets healthy",
    8.            "body":  "My quick brown fox eats rabbits on a regular basis."
    9.         }
    10.      },
    11.      {
    12.         "_id":      "1",
    13.         "_score":   0.12713557,
    14.         "_source": {
    15.            "title": "Quick brown rabbits",
    16.            "body":  "Brown rabbits are commonly seen."
    17.         }
    18.      }
    19.   ]
    20. }