elasticsearch多字段搜索

多字段搜索

多字符串查询

boost 参数 “最佳” 值，较为简单的方式就是不断试错，比较合理的区间处于 1 到 10 之间，当然也有可能是 15 。如果为 boost 指定比这更高的值，将不会对最终的评分结果产生更大影响，因为评分是被 归一化的

GET /_search
{
"query": {
"bool": {
"should": [
{ "match": {
"title":  {
"query": "War and Peace",
"boost": 2
}}},
{ "match": {
"author":  {
"query": "Leo Tolstoy",
"boost": 2
}}},
{ "bool":  {            #  不写在上面一层，是因为tarnslator理论是只占总评分的三分之一，在上面一层就是四分之一了
"should": [
{ "match": { "translator": "Constance Garnett" }},
{ "match": { "translator": "Louise Maude"      }}
]
}}
]
}
}
}

最佳字段

dis_max(Disjunction Max Query)查询,意思是 或,指的是： 将任何与任一查询匹配的文档作为结果返回，但只将最佳匹配的评分作为查询的评分结果返回;为了理解这句话，做给小实验

创建测试数据

DELETE my_index

PUT /my_index/my_type/1
{
"title": "Quick brown fox rabbits",
"body":  "Brown eats rabbits are commonly seen."
}

PUT /my_index/my_type/2
{
"title": "Keeping pets healthy",
"body":  "My quick brown fox eats rabbits on a regular basis."
}

查询比较

GET  /my_index/my_type/_search
{
"query": {
"bool": {
"should": [
{ "match": { "title": "Brown fox eats" }},
{ "match": { "body":  "Brown fox eats" }}
]
}
}
}

结果:id为1的文档在前面

GET  /my_index/my_type/_search
{
"query": {
"dis_max": {            # dis_max查询，文档查询的某个match评分最高的作为结果返回
"queries": [
{ "match": { "title": "Brown fox eats" }},
{ "match": { "body":  "Brown fox eats" }}
]
}
}
}

结果:

最佳字段查询调优

tie_breaker：一个简单的 dis_max 查询会采用单个最佳匹配字段， 而忽略其他的匹配，指定 tie_breaker 这个参数可以将其他匹配语句的评分也考虑其中；比如：

简单dis_max查询

{
"query": {
"dis_max": {
"queries": [
{ "match": { "title": "Quick pets" }},
{ "match": { "body":  "Quick pets" }}
]
}
}
}

结果：



tie_breaker

GET /my_index/my_type/_search
{
"query": {
"dis_max": {
"queries": [
{
"match": {
"title": "Quick pets"
}
},
{
"match": {
"body": "Quick pets"
}
}
],
"tie_breaker": 0.3
}
}
}

结果：



tie_breaker 参数提供了一种 dis_max 和 bool 之间的折中选择，范围

[0,1]

范围建议0.1-0.4, 0 代表使用 dis_max 最佳匹配语句的普通逻辑， 1 表示所有匹配语句同等重要，步骤如下：

获得最佳匹配语句的评分 _score

将其他匹配语句的评分结果与 tie_breaker 相乘

对以上评分求和并规范化

multi_match查询

为能在多个字段上反复执行相同查询提供了一种便捷方式，multi_match 多匹配查询的类型有多种，其中的三种恰巧与 了解我们的数据 中介绍的三个场景对应，即： best_fields 、 most_fields 和 cross_fields （最佳字段、多数字段、跨字段），默认情况下，查询的类型是 best_fields ， 这表示它会为每个字段生成一个 match 查询，然后将它们组合到 dis_max 查
4000
询的内部

GET /my_index/my_type/_search
{
"query": {
"dis_max": {
"queries": [
{
"match": {
"title": {
"query": "Quick brown fox",
"minimum_should_match": "30%"
}
}
},
{
"match": {
"body": {
"query": "Quick brown fox",
"minimum_should_match": "30%"
}
}
}
],
"tie_breaker": 0.3
}
}
}

查询等价于

GET /my_index/my_type/_search
{
"query": {
"multi_match": {
"query": "Quick brown fox",
"type": "best_fields",  # 默认为best_fields可以不指定
"fields": [
"title",
"body"
],
"tie_breaker": 0.3,
"minimum_should_match": "30%"  # 这样的参数会被传递到生成的 match 查询中
}
}
}

结果:

查询字段名称的模糊匹配

字段名称可以用模糊匹配的方式给出

{
"multi_match": {
"query":  "Quick brown fox",
"fields": "*_title"
}
}

提升单个字段的权重

可以使用 ^ 字符语法为单个字段提升权重，在字段名称的末尾添加 ^boost

{
"multi_match": {
"query":  "Quick brown fox",
"fields": [ "*_title", "chapter_title^2" ]
}
}

多字段映射

是对我们的字段索引两次， 一次使用词干模式以及一次非词干模式

添加多字段映射

DELETE /my_index

PUT /my_index
{
"settings": { "number_of_shards": 1 },
"mappings": {
"my_type": {
"properties": {
"title": {
"type":     "string",
"analyzer": "english",
"fields": {
"std":   {
"type":     "string",
"analyzer": "standard"
}
}
}
}
}
}
}

Put值

PUT /my_index/my_type/1
{ "title": "My rabbit jumps" }

PUT /my_index/my_type/2
{ "title": "Jumping jack rabbits" }

get title

GET /my_index/_search
{
"query": {
"match": {
"title": "jumping rabbits"
}
}
}

# 结果命中2条

get title.std

GET /my_index/_search
{
"query": {
"match": {
"title.std": "jumping rabbits"
}
}
}
# 结果命中1条

most_fields 合并两次索引的评分，加权重

GET /my_index/_search
{
"query": {
"multi_match": {
"query":  "jumping rabbits",
"type":   "most_fields",
"fields": [ "title^10", "title.std" ]
}
}
}

跨字段实体搜索

当多个属性结合起来决定一个事物的时候，可以使用multi_match查询(依次查询每个字段并将每个字段的匹配评分结果相加),比如

以下字段表示一个人信息

{
"street":   "5 Poland Street",
"city":     "London",
"country":  "United Kingdom",
"postcode": "W1V 3DG"
}

可以如下查询

{
"query": {
"bool": {
"should": [
{ "match": { "street":    "Poland Street W1V" }},
{ "match": { "city":      "Poland Street W1V" }},
{ "match": { "country":   "Poland Street W1V" }},
{ "match": { "postcode":  "Poland Street W1V" }}
]
}
}
}

或

{
"query": {
"multi_match": {
"query":       "Poland Street W1V",
"type":        "most_fields",     # 合并所有匹配字段的评分
"fields":      [ "street", "city", "country", "postcode" ]
}
}
}

most_fields也存在些问题

是为多数字段匹配 任意 词设计的，而不是在 所有字段 中找到最匹配的

不能使用 operator 或 minimum_should_match 参数来降低次相关结果造成的长尾效应

词频对于每个字段是不一样的，而且它们之间的相互影响会导致不好的排序结果

自定义_all

copy_to 参数来实现给字段添加自定义_all字段

PUT /my_index
{
"mappings": {
"person": {
"properties": {
"first_name": {
"type":     "string",
"copy_to":  "full_name"
},
"last_name": {
"type":     "string",
"copy_to":  "full_name"
},
"full_name": {
"type":     "string"
}
}
}
}
}

可通过地址

http://blog.csdn.net/jiao_fuyou/article/details/49800969

来更深入学习_all

cross-fields跨字段查询

自定义 _all 的方式是一个好的解决方案，只需在索引文档前为其设置好映射，然而还可以使用cross_fields 类型进行 multi_match 查询

cross_fields 使用词中心式（term-centric）的查询方式，这与 best_fields 和 most_fields 使用字段中心式（field-centric）的查询方式非常不同

字段中心式

GET /_validate/query?explain
{
"query": {
"multi_match": {
"query":       "peter smith",
"type":        "most_fields",
"operator":    "and",
"fields":      [ "first_name", "last_name" ]
}
}
}

对于匹配的文档， peter 和 smith 都必须同时出现在相同字段中，要么是 first_name 字段，要么 last_name 字段

(+first_name:peter +first_name:smith)
(+last_name:peter  +last_name:smith)

词中心式，词 peter 和 smith 都必须出现，但是可以出现在任意字段中，cross_fields 类型首先分析查询字符串并生成一个词列表，然后它从所有字段中依次搜索每个词

GET /_validate/query?explain
{
"query": {
"multi_match": {
"query":       "peter smith",
"type":        "cross_fields",
"operator":    "and",
"fields":      [ "first_name", "last_name" ]
}
}
}

为了让 cross_fields 查询以最优方式工作，所有的字段都须使用相同的分析器

采用 cross_fields 查询与 自定义 _all 字段 相比，其中一个优势就是它可以在搜索时为单个字段提升权重

GET /books/_search
{
"query": {
"multi_match": {
"query":       "peter smith",
"type":        "cross_fields",
"fields":      [ "title^2", "description" ]
}
}
}

需要在 multi_match 查询中避免使用 not_analyzed 字段