10_ElasticSearch dis_max实现best fields策略进行多字段搜索

概述

best fields策略概念

基于多个 field 查询如 title(标题) content 内容.

搜索title或content中包含java或solution的帖子

期望：如果title中包含了java和solution 。或者 content 中保护 java和solution 这样的doc 优先排在前面。

best fields策略，就是说，搜索到的结果，应该是某一个field中匹配到了尽可能多的关键词，被排在前面；而不是尽可能多的field匹配到了少数的关键词，排在了前面。

例子

1、title 字段

POST /forum/article/_bulk{ "update": { "_id": "1"} }{ "doc" : {
  "title" : "this is java and elasticsearch blog"} }{ "update": { "_id": "2"} }{ "doc" : {
  "title" : "this is java blog"} }{ "update": { "_id": "3"} }{ "doc" : {
  "title" : "this is elasticsearch blog"} }{ "update": { "_id": "4"} }{ "doc" : {
  "title" : "this is java, elasticsearch, hadoop blog"} }{ "update": { "_id": "5"} }{ "doc" : {
  "title" : "this is spark blog"} }

2、为帖子数据增加content字段

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"} }

3、搜索title或content中包含java或solution的帖子

下面这个就是multi-field搜索，多字段搜索

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

4、结果分析

期望的是doc5，结果是doc2, doc4排在了前面 (doc 5 中 content字段中保护了 java 和 solution)

计算每个document的relevance score：每个query的分数，乘以matched query数量，除以总query数量

算一下doc4的分数

{ "match": { "title": "java solution" }}，针对doc4，是有一个分数的{ "match": { "content":  "java solution" }}，针对doc4，也是有一个分数的所以是两个分数加起来，比如说，1.1 + 1.2 = 2.3matched query数量 = 2总query数量 = 22.3 * 2 / 2 = 2.3

算一下doc5的分数

{ "match": { "title": "java solution" }}，针对doc5，是没有分数的{ "match": { "content":  "java solution" }}，针对doc5，是有一个分数的所以说，只有一个query是有分数的，比如2.3matched query数量 = 1总query数量 = 22.3 * 1 / 2 = 1.15doc5的分数 = 1.15 < doc4的分数 = 2.3

5、best fields策略，dis_max

best fields策略，就是说，搜索到的结果，应该是某一个field中匹配到了尽可能多的关键词，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的分数即可

{ "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

然后doc4的分数 = 1.2 < doc5的分数 = 2.3，所以doc5就可以排在更前面的地方，符合我们的需要

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