目录
一、引入dis_max 实现best fields 的必要性
2、搜索title或content中包含java或solution的帖子
三、基于tie_breaker参数优化dis_max搜索效果
四、multi_match语法实现dis_max + tie_breaker
一、引入dis_max 实现best fields 的必要性
当我们要对elsticsearch基于relevance scores（相关性分数）的搜索结果排序有较高的要求时，就需要基于dis_max实现best fields策略进行多字段搜索。以下将以示例的方式来说明使用dis_max 实现best fields 多字段搜索的必要性
1、使用bulk批量添加测试数据
POST article/_bulk
{"create":{"_id":"1"}}
{"title":"this is java and elasticsearch blog","content":"i like to write best elasticsearch article"}
{"create":{"_id":"2"}}
{"title":"this is java blog","content":"i think java is the best programming language"}
{"create":{"_id":"3"}}
{"title":"this is elasticsearch blog","content":"i am only an elasticsearch beginner"}
{"create":{"_id":"4"}}
{"title":"this is java, elasticsearch, hadoop blog","content":"elasticsearch and hadoop are all very good solution, i am a beginner"}
{"create":{"_id":"5"}}
{"title":"this is spark blog","content":"spark is best big data solution based on scala ,an programming language similar to java"}2、搜索title或content中包含java或solution的帖子
下面这个就是multi-field搜索，多字段搜索
GET article/_search
{
"query": {
"bool": {
"should": [
{
"match": {
"title": "java solution"
}
},
{
"match": {
"content": "java solution"
}
}
]
}
}
}3、结果分析
?
如上述图中所示，我们期望的是在同一个字段中，搜索的字段最相符合的出现在最前面，即doc5排在最前（doc5中的content字段匹配到了java 和solution）。结果是doc2排在了前面，和我们期望的不相符合。
那为什么会出现上述这个情况呢？这个就和elasticsearch 内部计算relevance scores 有关系。elasticsearch内部在计算每个document的relevance scores时。
遵循的计算规则是：每个query的分数相加，乘以matched query数量，除以总query数量。
接下来我们来验证以下doc2和doc5的分数是怎么的出来的。
对于doc2/doc5来说，搜索条件title和content都拥有自己的一个分数，即{ "match": { "title": "java solution" }}针对doc2/doc5是有一个分数的；{ "match": { "content": "java solution" }}针对doc2/doc5也是有一个分数的。两个搜索条件之间是互不干扰的。
假设doc2的title条件的得分是1.1，content条件的得分是1.2。由于是有两个搜索条件，故总query数量 = 2。doc2中只有title、content都匹配到了java，故matched query数量 = 2。按照计算公式（每个query的分数相加，乘以matched query数量，除以总query数量）doc2的最后得分为：（1.1 + 1.2）* 2 / 2 = 2.3。
假设doc5的title条件的得分是0（没有匹配中），content条件的得分是2。由于是有两个搜索条件，故总query数量 = 2。doc5中只有content匹配到了java 和 solution，故matched query数量 = 1。按照计算公式（每个query的分数相加，乘以matched query数量，除以总query数量）doc5的最后得分为：（0 + 2）* 1 / 2 = 1。
最后得出doc2的分数 = 2.3 > doc5的分数 = 1，则doc2排在了最强面。但是这样又和我们期望的结果不相同。我们所期望的是某一个field中匹配到了尽可能多的关键词，被排在前面；而不是尽可能多的field匹配到了少数的关键词，排在了前面。这时候我们就要引入elasticsearch 中的dis_max API了。
二、best fields策略（dis_max参数设置）
best fields策略，就是说搜索到的结果应该是某一个field中匹配到了尽可能多的关键词，被排在前面；而不是尽可能多的field匹配到了少数的关键词，排在了前面，主要是通过dis_max 语法来进行控制的。
dis_max语法：直接取多个query中分数最高的那一个query的分数即可。
GET article/_search
{
"query": {
"dis_max": {
"queries": [
{
"match": {
"title": "java solution"
}
},
{
"match": {
"content": "java solution"
}
}
]
}
}
}在上述示例中，针对于doc2 来说，title和content 都匹配到了java。假设doc2的title条件的得分是1.1，content条件的得分是1.2。
dis_max之后取最大分数为1.2。
针对doc5来说，假设doc5的title条件的得分是0（没有匹配中），content条件的得分是2。
dis_max之后取最大分数为2。
然后doc2的分数 = 1.2 < doc5的分数 = 2。所以doc5就可以排在更前面的地方，符合我们的需要。
三、基于tie_breaker参数优化dis_max搜索效果
1、tie_breaker的使用原因
可能在实际场景中出现的一个情况是这样的：
（1）某个帖子doc1：title中包含java，content不包含java solution任何一个关键词
（2）某个帖子doc2：content中包含solution，title中不包含任何一个关键词
（3）某个帖子doc3：title中包含java，content中包含solution
（4）最终搜索可能出来的结果是，doc1和doc2排在doc3的前面，而不是我们期望的doc3排在最前面
在上面这个例子中dis_max只是取分数最高的那个query的分数而已，完全不考虑其他query的分数。这种一刀切的做法，可能导致在有其他query的影响下，出现score不准确的情况。这时为了使用结果更准确，最好还是要考虑到其他query的影响。这个时候就需要使用tie_breaker 参数来优化dis_max的搜索效果
2、tie_breaker的使用方法
使用tie_breaker将其他query的分数也考虑进去。tie_breaker参数的意义是将其他query的分数乘以tie_breaker，然后综合考虑后与最高分数的那个query的分数综合在一起进行计算，这样做除了取最高分以外还会考虑其他的query的分数。一般来说tie_breaker的值设置在在0~1之间，是个小数就行，没有固定的值。
示例：搜索title或content中包含java solution的帖子
GET article/_search
{
"query": {
"dis_max": {
"tie_breaker": 0.7,
"boost": 1.2,
"queries": [
{
"match": {
"title": "java solution"
}
},
{
"match": {
"content": "java solution"
}
}
]
}
}
}四、multi_match语法实现dis_max + tie_breaker
在dis_max 中，我们还可以设置minimum_should_match、boost等一系列的参数。
- minimum_should_match：主要是用来去长尾的。长尾指的是比如你搜索5个关键词，但是很多结果是只匹配1个关键词的，其实跟你想要的结果相差甚远，这些结果就是长尾。minimum_should_match就是控制搜索结果的精准度，只有匹配一定数量的关键词的数据才能返回
- boost：可以将某个搜索条件的权重加大。
示例：搜索title或content中包含java solution的帖子，并设置title的搜索权重为2。
GET article/_search
{
"query": {
"dis_max": {
"tie_breaker": 0.7,
"boost": 1.2,
"queries": [
{
"match": {
"title": {
"query": "java solution",
"boost": 2,
"minimum_should_match": "50%"
}
}
},
{
"match": {
"content": {
"query": "java solution",
"minimum_should_match": "50%"
}
}
}
]
}
}
}在上面的例子中，我们还可以进一步优化以及变种，可以使用multi_match进一步精简dsl语句，如下所示：
GET article/_search
{
"query": {
"multi_match": {
"query": "java solution",
"fields": [
"title^2",
"content"
],
"type": "best_fields",
"tie_breaker": 0.7,
"minimum_should_match": "50%"
}
}
}