【ElasticSearch】相关度算法

搜索结果分析：

{
    "took":1,
    "timed_out":false,
    "_shards":{
        "total":17,
        "successful":17,
        "skipped":0,
        "failed":0
    },
    "hits":{
        "total":13781,
        "max_score":1,
        "hits":[
            {
                "_index":".kibana",
                "_type":"config",
                "_id":"5.6.4",
                "_score":1,
                "_source":{
                    "buildNum":15571,
                    "defaultIndex":null
                }
            }
        ]
    }
}

took：搜索花费多少毫秒
hits.total：几条结果
hits.max_source：最大相关度分数是多少，每条document对于search的相关度，_source分数越大，排位越靠前
hits.hits：默认查询前10条数据，完整数据，_source降序排序
shards：shards fail条件（primary和replica全部挂掉），不影响其他shard
timeout：默认无timeout，latency平衡
可根据用户指定的timeout返回数据（可能部分，可能全部返回），而不是等到拿到所有数据（可能要1分钟）
语法：

GET /_search?timeout=10ms

相关度计算的算法分析：
relevance score算法：计算出一个索引中的文本，他们之间的关联匹配程度
es使用的是term frequency/inverse document frequency算法，简称TF/IDF算法

1、Term frequency：
搜索文本中的各个词条在field文本中出现了多少次，出现次数越多，就越相关
例如：
搜索hello world
doc1:hello you,and world is wonderful.
doc2:hello,how are you.

2、Inverse document frequency：
搜索文本中的各个词条在整个索引的所有文档中出现了多少次，出现次数越多，越不相关。
搜索hello world
doc1:hello,today is very good.
doc2:hi world,how are you.

搜索的时候，要靠倒排索引，排序时，需要依靠正排索引，看到每个document的每个field，然后进行排序，所谓的正排索引，就是doc values
在建立索引的时候，一方面建立倒排索引，一方面建立正排索引，供排序，聚合，过滤等操作使用
doc values是被保存在磁盘上的，此时如果内存足够，os会自动将其缓存在内存中，性能还是会很高，如果内存不够，os会将其写入磁盘。