1、multi_match？
概念：
多字段检索，是组合查询的一种形态，另一种是使用bool query和dixmax query。其本质是为了权衡不同搜索策略下的召回结果相关性。
语法：
GET <index>/_search{"query": {"multi_match": {"query": "<query keyword>","type": "<multi_match_type>","fields": ["<field_a>","<field_b>"]}}}
2、multi_match和_source区别
•multi_match：从哪些字段中检索，指的是查询条件•_source：查询的结果包含哪些字段，指的是元数据
3、multi_match type：
3.1 best_fields：
3.1.1 概念：
侧重于字段
维度，单个字段的得分权重大，对于同一个query，单个field匹配更多的term，则优先排序。
3.1.2 用法：
注意，best_fields是multi_match中type的默认值
GET product/_search{"query": {"multi_match" : {"query": "super charge","type": "best_fields", // 默认"fields": [ "name^2", "desc" ],"tie_breaker": 0.3}}}
3.1.3 案例
针对于以下查询，包含两个查询条件：分别是条件1和条件2
GET product/_search{"query": {"dis_max": {"queries": [{ "match": { "name": "chiji shouji" }}, #条件1{ "match": { "desc": "chiji shouji" }} #条件2]}}}
假设上述查询的执行得到以下结果，best_fields策略强调hits中单个字段的评分权重。打个比方：每一条hit代表一个奥运会的参加国，每个字段代表该国家的参赛运动员，但是限定每个国家只能派出一名运动员，其成绩就代表该国家的成绩，最后以该运动员的成绩代表国家进行排名。所谓best_fields
就是说最好的字段嘛，用最好的字段的评分代表当前文档的最终评分，即侧重字段权重。在这个例子中，多个查询条件并未起到关键性作用。
3.1.4 tie_breaker参数
在best_fields策略中给其他剩余字段设置的权重值，取值范围 [0,1]，其中 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。最佳的精确值需要根据数据与查询调试得出，但是合理值应该与零接近（处于 0.1 - 0.4 之间），这样就不会颠覆 dis_max （Disjunction Max Query）最佳匹配性质的根本。
在上面例子中，如果一个国家仅仅由一个运动员的成绩来决定，显然不是很有代表性，因为一个国家可能整体实力很弱，但是有一个运动员（假设叫做阿尔法）就是特别的出类拔萃，世界第一！但是其他人都很弱，这时他就不能代表整个国家的实力了。反而可能另一个国家，虽然国内成绩最好的运动员没有阿尔法
的成绩好，但是这个国家包揽了世界的第二名到第十名，并且实力比较接近，那这样这个国家的整体实力仍然是可以排第一的。所以我们不应该让第一名完全代表一个国家的成绩，一个更好的做法是：每个国家的最终成绩由所有运动员的成绩经过计算得来，每个运动员的成绩都可能影响总成绩，但是这个国家排名第一的运动员的成绩占的权重最大。这种做法更容易凸显一个国家的整体实力，这个整体实力就等价于我们搜索结果排名中的相关度。
用法：
GET product/_search{"query": {"dis_max": {"queries": [{ "match": { "name": "super charge" }},{ "match": { "desc": "super charge" }}],"tie_breaker": 0.3 # 代表次要评分字段的权重是 0.3}}}
3.1.5 类比
以下两个查询等价 查询1
GET product/_search{"query": {"dis_max": {"queries": [{"match": {"name": {"query": "chiji shouji","boost": 2 # name字段评分两倍权重}}},{"match": {"desc": "chiji shouji"}}],"tie_breaker": 0.3}}}
查询2
GET product/_search{"query": {"multi_match" : {"query": "super charge","type": "best_fields", // 默认"fields": [ "name^2", "desc" ], # name字段评分两倍权重"tie_breaker": 0.3}}}
3.2 most_fields：
3.2.1 概念
侧重于查询
维度，单个查询条件的得分权重大，如果一次请求中，对于同一个doc，匹配到某个term的field越多，则越优先排序。
3.2.2 类比
以下两个查询脚本等价 查询1：
# 下面查询中包含两个查询条件GET product/_search{"query": {"bool": {"should": [{"match": {"name": "chiji shouji"}},{"match": {"desc": "chiji shouji"}}]}}}
查询2
GET product/_search{"query": {"multi_match": {"query": "chiji shouji","type": "most_fields","fields": ["name","desc"]}}}
3.3 cross_fields:
注意：理解cross_fields
的概念之前，需要对ES的评分规则有基本的了解，戳：评分，学习ES评分的基本原理
3.3.1 概念
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
3.3.2 用法
# 以下查询语义：# 吴 必须包含在 name.姓 或者 name.名 里# 或者# 磊 必须包含在 name.姓 或者 name.名 里GET teacher/_search{"query": {"multi_match" : {"query": "吴磊","type": "cross_fields","fields": [ "name.姓", "name.名" ],"operator": "or"}}}
3.3.3 案例
假设我们有如下teacher
索引，索引中包含了name
字段，包含姓
和名
两个field（案例中使用中文为方便观察和理解，切勿在生产环境中使用中文命名，一定要遵循命名规范）。
POST /teacher/_bulk{ "index": { "_id": "1"} }{ "name" : {"姓" : "吴", "名" : "磊"} }{ "index": { "_id": "2"} }{ "name" : {"姓" : "连", "名" : "鹏鹏"} }{ "index": { "_id": "3"} }{ "name" : { "姓" : "张","名" : "明明"} }{ "index": { "_id": "4"} }{ "name" : { "姓" : "周","名" : "志志"} }{ "index": { "_id": "5"} }{ "name" : {"姓" : "吴", "名" : "亦凡"} }{ "index": { "_id": "6"} }{ "name" : {"姓" : "吴", "名" : "京"} }{ "index": { "_id": "7"} }{ "name" : {"姓" : "吴", "名" : "彦祖"} }{ "index": { "_id": "8"} }{ "name" : {"姓" : "帅", "名" : "吴"} }{ "index": { "_id": "9"} }{ "name" : {"姓" : "连", "名" : "磊"} }{ "index": { "_id": "10"} }{ "name" : {"姓" : "周", "名" : "磊"} }{ "index": { "_id": "11"} }{ "name" : {"姓" : "张", "名" : "磊"} }{ "index": { "_id": "12"} }{ "name" : {"姓" : "马", "名" : "磊"} }#{ "index": { "_id": "13"} }#{ "name" : {"姓" : "诸葛", "名" : "吴磊"} }
我们执行以上代码创建teacher索引，并且执行以下查询语句
# 语义：默认分词器的对`吴磊`的分词结果为`吴`和`磊`# name.姓 中包含 `吴` 或者 `磊`# OR# name.名 中包含 `吴` 或者 `磊`# 如果设置了"operator": "and"，则中间 OR 的关系变为 ANDGET teacher/_search{"query": {"multi_match": {"query": "吴 磊","type": "most_fields","fields": ["name.姓","name.名"]// ,"operator": "and"}}}
根据上面查询的语义，我们期望的结果是：姓为吴
并且名为磊
的doc评分最高，然而结果却如下：
{"took" : 3,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 9,"relation" : "eq"},"max_score" : 2.4548545,"hits" : [{"_index" : "teacher","_type" : "_doc","_id" : "8","_score" : 2.4548545,"_source" : {"name" : {"姓" : "帅","名" : "吴"}}},{"_index" : "teacher","_type" : "_doc","_id" : "1","_score" : 2.03873,"_source" : {"name" : {"姓" : "吴","名" : "磊"}}},{"_index" : "teacher","_type" : "_doc","_id" : "5","_score" : 1.060872,"_source" : {"name" : {"姓" : "吴","名" : "亦凡"}}},{"_index" : "teacher","_type" : "_doc","_id" : "6","_score" : 1.060872,"_source" : {"name" : {"姓" : "吴","名" : "京"}}},{"_index" : "teacher","_type" : "_doc","_id" : "7","_score" : 1.060872,"_source" : {"name" : {"姓" : "吴","名" : "彦祖"}}},{"_index" : "teacher","_type" : "_doc","_id" : "9","_score" : 0.977858,"_source" : {"name" : {"姓" : "连","名" : "磊"}}},{"_index" : "teacher","_type" : "_doc","_id" : "10","_score" : 0.977858,"_source" : {"name" : {"姓" : "周","名" : "磊"}}},{"_index" : "teacher","_type" : "_doc","_id" : "11","_score" : 0.977858,"_source" : {"name" : {"姓" : "张","名" : "磊"}}},{"_index" : "teacher","_type" : "_doc","_id" : "12","_score" : 0.977858,"_source" : {"name" : {"姓" : "马","名" : "磊"}}}]}}
上面结果显示，名叫帅磊
的doc排在了最前面，即便我们使用best_fields策略结果也是帅磊
评分最高，因为导致这个结果的原因和使用哪种搜索策略并无关系。这显然不是我们希望的结果。那么导致上述问题的原因是什么呢？看以下三条基本的评分规则：
评分基本规则：
•词频（TF term frequency ）：关键词在每个doc中出现的次数，词频越高，评分越高•反词频（ IDF inverse doc frequency）：关键词在整个索引中出现的次数，反词频越高，评分越低•每个doc的长度，越长相关度评分越低
分析结果：
在上述案例中，吴磊
作为预期结果，其中吴
字作为姓氏是非常常见的，磊
作为名也是非常常见的。反应在索引中，他们的IDF都是非常高的，而反词频越高则评分越低，因此吴磊在索引中的IDF评分则会很低。而帅磊
中帅
作为姓氏却是非常少见的，因此IDF的得分就很高。在词频相同的情况下就会导致以上不符合常理的搜索预期。
解决办法：
为了避免某一个字段的词频或者反词频对结果产生巨大影响，我们需要把姓
和名
作为一个整体来查询，体现在代码上即：
# 吴 必须包含在 name.姓 或者 name.名 里# 并且# 磊 必须包含在 name.姓 或者 name.名 里GET teacher/_search{"query": {"multi_match" : {"query": "吴磊","type": "cross_fields","fields": [ "name.姓", "name.名" ],"operator": "and"}}}
长按加关注，更多干货内容不错过
分享
收藏
点赞
在看
