投稿
  1. 极客之音首页
  2. 其他分类
  3. 微信精选

ES全文检索-multi match query

小半 • • 微信精选 • 阅读 326

multi match query是建立在match之上的一种查询，它主要的特点就是允许对多个字段同时进行查询。

简单示例

POST _bulk
{ "index" : { "_index" : "book"} }
{"title":"programming language","content":"java go php python"}
{ "index" : { "_index" : "book"} }
{"title":"java","content":"Java is a popular programming language"}
{ "index" : { "_index" : "book"} }
{"title":"go","content":"Go is a young programming language"}

上面是构建测试数据的代码示例，下面我们实现搜索title或content中含有java的文档，示例代码如下：

GET book/_search
{
  "query": {
    "multi_match": {
      "query": "java",
      "fields": ["title","content"]
    }
  }
}

运行结果如下：

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0925692,
    "hits" : [
      {
        "_index" : "book",
        "_type" : "_doc",
        "_id" : "kuCAzIQBRNx5Pfd58Qd_",
        "_score" : 1.0925692,
        "_source" : {
          "title" : "java",
          "content" : "Java is a popular programming language"
        }
      },
      {
        "_index" : "book",
        "_type" : "_doc",
        "_id" : "keCAzIQBRNx5Pfd58Qd_",
        "_score" : 0.52354836,
        "_source" : {
          "title" : "programming language",
          "content" : "java go php python"
        }
      }
    ]
  }
}

可以看见不管是title还是content中含有java关键字信息的文档都能被搜索出来。

在文档过多的情况下fields还支持*号匹配，例如*_name，它的意思是只要_name结尾的字段都可以包含进去。

同时对于字段还支持^写法，该写法是用来增加字段的权重。例如title^2则代表提升title字段权重2倍。

类型

multi match query查询内部具体如何执行的这个取决于type参数。

best_fields

该值是默认值。该方式会为fields中的每个字段生成一个match查询，然后再将它们组合到dis_max查询内容。简单的说就是，最后相关性得分取的时候字段中的最高得分。

GET book/_search
{
  "query": {
    "multi_match": {
      "query": "java",
      "fields": ["title","content"]
    }
  }
}

最后的结果如下：

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0925692,
    "hits" : [
      {
        "_index" : "book",
        "_type" : "_doc",
        "_id" : "kuCAzIQBRNx5Pfd58Qd_",
        "_score" : 1.0925692,
        "_source" : {
          "title" : "java",
          "content" : "Java is a popular programming language"
        }
      },
      {
        "_index" : "book",
        "_type" : "_doc",
        "_id" : "keCAzIQBRNx5Pfd58Qd_",
        "_score" : 0.52354836,
        "_source" : {
          "title" : "programming language",
          "content" : "java go php python"
        }
      }
    ]
  }
}

将上面查询换成如下查询：

GET book/_search
{
  "query": {
    "match": {
      "title": "java"
    }
  }
}

GET book/_search
{
  "query": {
    "match": {
      "content": "java"
    }
  }
}

最后结果如下：

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0925692,
    "hits" : [
      {
        "_index" : "book",
        "_type" : "_doc",
        "_id" : "kuCAzIQBRNx5Pfd58Qd_",
        "_score" : 1.0925692,
        "_source" : {
          "title" : "java",
          "content" : "Java is a popular programming language"
        }
      }
    ]
  }
}


{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.52354836,
    "hits" : [
      {
        "_index" : "book",
        "_type" : "_doc",
        "_id" : "keCAzIQBRNx5Pfd58Qd_",
        "_score" : 0.52354836,
        "_source" : {
          "title" : "programming language",
          "content" : "java go php python"
        }
      },
      {
        "_index" : "book",
        "_type" : "_doc",
        "_id" : "kuCAzIQBRNx5Pfd58Qd_",
        "_score" : 0.4471386,
        "_source" : {
          "title" : "java",
          "content" : "Java is a popular programming language"
        }
      }
    ]
  }
}

对比前面的multi_match查询可以看出，multi_match结果中的_score取的是它们结果中的最高分。

most_fields

通常在索引一个用户的信息时，确定一个用户通常需要通过多个字段来确认。例如用户有first_name和last_name。如果使用best_fields来处理，虽然能搜索出结果，但是却与我们实际需求不太符合。

POST _bulk
{ "index" : { "_index" : "user"} }
{"first_name":"zhang","last_name":"san"}
{ "index" : { "_index" : "user"} }
{"first_name":"zhang","last_name":"fei"}
{ "index" : { "_index" : "user"} }
{"first_name":"li","last_name":"san"}

在上面的测试数据中，如果我想找到zhang san，使用multi_match查询如下：

GET user/_search
{
  "query": {
    "multi_match": {
      "query": "zhang san",
      "fields": ["*_name"]
    }
  }
}

查询结果如下：

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.47000363,
    "hits" : [
      {
        "_index" : "user",
        "_type" : "_doc",
        "_id" : "4ODEzIQBRNx5Pfd5XwmZ",
        "_score" : 0.47000363,
        "_source" : {
          "first_name" : "zhang",
          "last_name" : "san"
        }
      },
      {
        "_index" : "user",
        "_type" : "_doc",
        "_id" : "4eDEzIQBRNx5Pfd5XwmZ",
        "_score" : 0.47000363,
        "_source" : {
          "first_name" : "zhang",
          "last_name" : "fei"
        }
      },
      {
        "_index" : "user",
        "_type" : "_doc",
        "_id" : "4uDEzIQBRNx5Pfd5XwmZ",
        "_score" : 0.47000363,
        "_source" : {
          "first_name" : "li",
          "last_name" : "san"
        }
      }
    ]
  }
}

虽然结果可以查询到zhang san，但是结果存在一个问题，所有结果中相关性得分是一致的。而实际上文档4ODEzIQBRNx5Pfd5XwmZ明显更符合我们的要求。因为默认情况下，_score取的是最高得分。此时我们将type修改成most_fields，修改查询代码如下：

GET user/_search
{
  "query": {
    "multi_match": {
      "query": "zhang san",
      "fields": ["*_name"],
      "type": "most_fields"
    }
  }
}

最后查询结果如下：

{
  "took" : 17,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.94000727,
    "hits" : [
      {
        "_index" : "user",
        "_type" : "_doc",
        "_id" : "4ODEzIQBRNx5Pfd5XwmZ",
        "_score" : 0.94000727,
        "_source" : {
          "first_name" : "zhang",
          "last_name" : "san"
        }
      },
      {
        "_index" : "user",
        "_type" : "_doc",
        "_id" : "4eDEzIQBRNx5Pfd5XwmZ",
        "_score" : 0.47000363,
        "_source" : {
          "first_name" : "zhang",
          "last_name" : "fei"
        }
      },
      {
        "_index" : "user",
        "_type" : "_doc",
        "_id" : "4uDEzIQBRNx5Pfd5XwmZ",
        "_score" : 0.47000363,
        "_source" : {
          "first_name" : "li",
          "last_name" : "san"
        }
      }
    ]
  }
}

从这次结果可以看出，文档4ODEzIQBRNx5Pfd5XwmZ的得分明显高于后面的两个文档。most_fields它并不是取的最高得分，而是把所有字段的得分进行合并计算，这样得出的结果明显更加符合该场景。

cross_fields

使用同一个分析器处理字段，就好像他们是一个大字段一样。在前面讲most_fields时通过在first_name和last_name同时搜索zhang san，最后将它们的得分相加计算_score。听上去好像很完美，但是实际上还是会有问题。对于像operator和minimum_should_match这样的参数，它分别作用于每个字段，这很可能不是你想要的效果。

另外一个问题是，对于要搜索的词其在不同文档中词频不相同，这很可能引发另外一个问题。例如在搜索zhang san，很可能出现zhang san的得分比san mao的得分更低。在first_name字段中，zhang的得分为0.2，而san的得分为0.6。而last_name中，san的得分为0.1。在这种情况下就会出现zhang san的得分比san mao的得分更低。

为了避免这种情况，我们可以创建一个字段full_name，然后将first_name和last_name组成一个字段，最后搜索时搜索full_name字段。但是这种方式需要我们修改索引，而更简便的方法则是将multi_match中的type修改成cross_fields。

POST _bulk
{ "index" : { "_index" : "user1"} }
{"first_name":"zhang","last_name":"san"}
{ "index" : { "_index" : "user1"} }
{"first_name":"zhang","last_name":"fei"}
{ "index" : { "_index" : "user1"} }
{"first_name":"zhang","last_name":"si"}
{ "index" : { "_index" : "user1"} }
{"first_name":"san","last_name":"si"}
{ "index" : { "_index" : "user1"} }
{"first_name":"zhang","last_name":"si"}
{ "index" : { "_index" : "user1"} }
{"first_name":"zhang","last_name":"wu"}
{ "index" : { "_index" : "user1"} }
{"first_name":"zhang","last_name":"wu"}
{ "index" : { "_index" : "user1"} }
{"first_name":"zhang","last_name":"wu"}
{ "index" : { "_index" : "user1"} }
{"first_name":"zhang","last_name":"wu"}
{ "index" : { "_index" : "user1"} }
{"first_name":"li","last_name":"san"}
{ "index" : { "_index" : "user1"} }
{"first_name":"li","last_name":"san"}

上面是构建的测试数据，用来模拟上述情况，首先使用most_fields查询，示例代码如下：

GET user1/_search
{
  "query": {
    "multi_match": {
      "query": "zhang san",
      "fields": ["*_name"],
      "type": "most_fields"
    }
  }
}

响应结果如下：

{
  "took" : 10,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 11,
      "relation" : "eq"
    },
    "max_score" : 2.0794415,
    "hits" : [
      {
        "_index" : "user1",
        "_type" : "_doc",
        "_id" : "PUnDzYQBeeHniJKOJzMs",
        "_score" : 2.0794415,
        "_source" : {
          "first_name" : "san",
          "last_name" : "si"
        }
      },
      {
        "_index" : "user1",
        "_type" : "_doc",
        "_id" : "OknDzYQBeeHniJKOJzMs",
        "_score" : 1.5769842,
        "_source" : {
          "first_name" : "zhang",
          "last_name" : "san"
        }
      },
      {
        "_index" : "user1",
        "_type" : "_doc",
        "_id" : "Q0nDzYQBeeHniJKOJzMs",
        "_score" : 1.2321436,
        "_source" : {
          "first_name" : "li",
          "last_name" : "san"
        }
      }
    ]
  }
}

实际上查询到的数据更多，为了减少篇幅我这里只截取了部分代表性数据。从结果可以看出san si的得分比zhang san的得分还高。这就是因为zhang在first_name中出现词频太高导致得分太低，而san在first_name中只出现了一次，所以其得分很高。而san在last_name中出现的次数也比较多，最后导致的结果就是zhang san总得分没有san si总得分高。

我们修改typew为cross_fields后，再次执行查询结果如下：

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 11,
      "relation" : "eq"
    },
    "max_score" : 1.5769842,
    "hits" : [
      {
        "_index" : "user1",
        "_type" : "_doc",
        "_id" : "OknDzYQBeeHniJKOJzMs",
        "_score" : 1.5769842,
        "_source" : {
          "first_name" : "zhang",
          "last_name" : "san"
        }
      },
      {
        "_index" : "user1",
        "_type" : "_doc",
        "_id" : "Q0nDzYQBeeHniJKOJzMs",
        "_score" : 1.2321436,
        "_source" : {
          "first_name" : "li",
          "last_name" : "san"
        }
      },
      {
        "_index" : "user1",
        "_type" : "_doc",
        "_id" : "REnDzYQBeeHniJKOJzMs",
        "_score" : 1.2321436,
        "_source" : {
          "first_name" : "li",
          "last_name" : "san"
        }
      }
    ]
  }
}

从该次结果可以看出，zhang san的相关性得分最高。

phrase和phrase_prefix

这两种类型的处理方式与best_fields一样，不一样的在于查询方式。best_fields对于每个字段使用的是match，而phrase对每个字段使用的是match phrase，phrase_prefix对每个字段使用的是match_phrase_prefix。

tie_breaker

默认情况下，也就是type为best_fields时，_score得分获取的是最高得分，对于其他字段的得分不计入到最后得分。该参数支持设置0至1的数字，使得其他字段得分也会加入到最后的得分中。例如该值为0.5时，查询会获取字段的最高得分，然后再把其他字段得分相加乘以该系数，最后获取的就是该文档的得分了。

ES全文搜索-match query

ES全文检索-match phrase query

ES全文检索-match phrase prefix query


原文始发于微信公众号（一只菜鸟程序员）：ES全文检索-multi match query

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/72820.html

赞 (0)
小半的头像小半
0 0

相关推荐

发表回复

登录后才能评论
极客之音——专业性很强的中文编程技术网站，欢迎收藏到浏览器，订阅我们！