Elasticsearch 單字符串多字段查詢
- 2021 年 3 月 15 日
- 筆記
- elasticsearch
前言
有些時候，我們搜索的時候，只會提供一個輸入框，但是會查詢相關的多個字段，典型的如Google搜索，我們該如何用 Elasticsearch 如何實現呢？
實例
從單字符串查詢的實例說起
創建測試例子的數據
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"}}
]
}
}
}
上面的例子相關性的值是title與body的簡單相加，可以通過「”explain”: true」打印出來的數據進行查詢計算的過程。
最優字段查詢調優
可以使用disjunction max query，讓其匹配最大相關性那個字段，同時tie_breaker可以調整相關性，取值範圍是0~1，可以控制相關性較小那個值佔用的比例，默認是0，畢竟只要相關性最大那個字段就好了，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
}
}
}
相關性的值是title與body中的最大值。
multi_match
multi_match 查詢為能在多個字段上反覆執行相同查詢提供了一種便捷方式。
上面的dis_max例子改寫如下
GET blogs/_search
{
"explain": true,
"query": {
"multi_match": {
"type": "most_fields",
"query": "Brown fox",
"fields": ["title","body"],
"tie_breaker": 0.7
}
}
}
multi_match 查詢
multi_match 支持三種場景
- best_fields——（默認）查找匹配任何字段的文檔，但是使用最佳匹配字段的_score。
- most_fields——查找匹配任何字段的文檔，結合每個字段的_score。
- cross_fields——用相同的分析器處理字段，把這些字段當作一個大字段。查找任何字段的每個單詞。類似copy_to
query中可以指定minimum_should_match、operator等字段，會把這些字段傳遞到query語句中
best_fields
當搜索詞語具體概念的時候，比如 「brown fox」 ，詞組比各自獨立的單詞更有意義。像 title 和 body 這樣的字段，儘管它們之間是相關的，但同時又彼此相互競爭。文檔在相同字段 中包含的詞越多越好，評分也來自於最匹配字段 。
best_fields 語句 等同於 dis_max 語句，可以配置tie_breaker參數。
most_fields
全文搜索被稱作是 召回率（Recall） 與 精確率（Precision） 的戰場： 召回率 ——返回所有的相關文檔； 精確率 ——不返回無關文檔。目的是在結果的第一頁中為用戶呈現最為相關的文檔。
為了提高召回率的效果，我們擴大搜索範圍——不僅返回與用戶搜索詞精確匹配的文檔，還會返回我們認為與查詢相關的所有文檔。如果一個用戶搜索 「quick brown box」 ，一個包含詞語「fast foxes」的文檔被認為是非常合理的返回結果。
提高全文相關性精度的常用方式是為同一文本建立多種方式的索引，每種方式都提供了一個不同的相關度信號signal。主字段會以儘可能多的形式的去匹配儘可能多的文檔。
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" ]
}
}
}
比如這個例子，文檔中的「title」被索引了兩次，主字段「title」的分詞器是「english」，會提取詞幹，「a」，「the」等這些會在分詞過程中被過濾掉，「ing」等會去除，子字段「title.std」的分詞器是「standard」，不會提取詞幹。
同時指定了boost，比如上面的「title^10」，表示「title」的權重是10。
cross_fields
對於某些實體，我們需要在多個字段中確定其信息，單個字段都只能作為整體的一部分：
Person： first_name 和 last_name （人：名和姓）
Book： title 、 author 和 description （書：標題、作者、描述）
Address： street 、 city 、 country 和 postcode （地址：街道、市、國家和郵政編碼）
在這種情況下，我們希望在任何 這些列出的字段中找到儘可能多的詞，這有如在一個大字段中進行搜索，這個大字段包括了所有列出的字段。
這個類似copy_to，copy_to需要額外的存儲空間，這個不需要。
支持 operator 操作，如果指定的是「and」，那麼表示所有詞都是必須的。
