Elasticsearch 单字符串多字段查询

前言

有些时候，我们搜索的时候，只会提供一个输入框，但是会查询相关的多个字段，典型的如Google搜索，我们该如何用 Elasticsearch 如何实现呢？

实例

从单字符串查询的实例说起

创建测试例子的数据

DELETE blogs

PUT blogs/_doc/_bulk
{"index":{"_id":1}}
{"title": "Quick brown rabbits","body": "Brown rabbits are commonly seen."}
{"index":{"_id":2}}
{"title": "Keeping pets healthy","body": "My quick brown fox eats rabbits on a regular basis"}

GET blogs/_search
{
  "explain": true,
  "query": {
    "bool": {
      "should": [
        {"match": {"title": "Brown fox"}},
        {"match": {"body": "Brown fox"}}
      ]
    }
  }
}

上面的例子相关性的值是title与body的简单相加，可以通过“"explain": true”打印出来的数据进行查询计算的过程。

最优字段查询调优

可以使用disjunction max query，让其匹配最大相关性那个字段，同时tie_breaker可以调整相关性，取值范围是0~1，可以控制相关性较小那个值占用的比例，默认是0，毕竟只要相关性最大那个字段就好了，其他字段不打分。

GET blogs/_search
{
  "explain": true,
  "query": {
    "dis_max": {
      "queries": [
        {"match": {"title": "Brown fox"}},
        {"match": {"body": "Brown fox"}}
      ],
      "tie_breaker": 0.7
    }
  }
}

相关性的值是title与body中的最大值。

multi_match

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。

上面的dis_max例子改写如下

GET blogs/_search
{
  "explain": true,
  "query": {
    "multi_match": {
      "type": "most_fields",
      "query": "Brown fox",
      "fields": ["title","body"],
      "tie_breaker": 0.7
    }
  }
}

multi_match 查询

multi_match 支持三种场景

• best_fields——（默认）查找匹配任何字段的文档，但是使用最佳匹配字段的_score。
• most_fields——查找匹配任何字段的文档，结合每个字段的_score。
• cross_fields——用相同的分析器处理字段，把这些字段当作一个大字段。查找任何字段的每个单词。类似copy_to

query中可以指定minimum_should_match、operator等字段，会把这些字段传递到query语句中

best_fields

当搜索词语具体概念的时候，比如 “brown fox” ，词组比各自独立的单词更有意义。像 title 和 body 这样的字段，尽管它们之间是相关的，但同时又彼此相互竞争。文档在相同字段 中包含的词越多越好，评分也来自于最匹配字段 。

best_fields 语句 等同于 dis_max 语句，可以配置tie_breaker参数。

most_fields

全文搜索被称作是 召回率（Recall） 与 精确率（Precision） 的战场： 召回率 ——返回所有的相关文档； 精确率 ——不返回无关文档。目的是在结果的第一页中为用户呈现最为相关的文档。

为了提高召回率的效果，我们扩大搜索范围——不仅返回与用户搜索词精确匹配的文档，还会返回我们认为与查询相关的所有文档。如果一个用户搜索 “quick brown box” ，一个包含词语“fast foxes”的文档被认为是非常合理的返回结果。

提高全文相关性精度的常用方式是为同一文本建立多种方式的索引，每种方式都提供了一个不同的相关度信号signal。主字段会以尽可能多的形式的去匹配尽可能多的文档。

DELETE titles

PUT titles
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "english",
        "fields": {"std": {"type": "text","analyzer": "standard"}}
      }
    }
  }
}

GET /titles/_search
{
  "query": {
    "multi_match": {
      "query":  "barking dogs",
      "type":   "most_fields",
      "fields": [ "title^10", "title.std" ]
    }
  }
}

比如这个例子，文档中的“title”被索引了两次，主字段“title”的分词器是“english”，会提取词干，“a”，“the”等这些会在分词过程中被过滤掉，“ing”等会去除，子字段“title.std”的分词器是“standard”，不会提取词干。

同时指定了boost，比如上面的“title^10”，表示“title”的权重是10。

cross_fields

对于某些实体，我们需要在多个字段中确定其信息，单个字段都只能作为整体的一部分：

Person： first_name 和 last_name （人：名和姓）
Book： title 、 author 和 description （书：标题、作者、描述）
Address： street 、 city 、 country 和 postcode （地址：街道、市、国家和邮政编码）

在这种情况下，我们希望在任何 这些列出的字段中找到尽可能多的词，这有如在一个大字段中进行搜索，这个大字段包括了所有列出的字段。

这个类似copy_to，copy_to需要额外的存储空间，这个不需要。

支持 operator 操作，如果指定的是“and”，那么表示所有词都是必须的。

参考资料

• https://www.elastic.co/guide/cn/elasticsearch/guide/current/multi-match-query.html