Elasticsearch 论坛实战-使用copy_to定制组合field解决cross-fields搜索弊端

Elasticsearch实战

上一讲，我们说了，用most_fields策略，去实现cross-fields搜索，有3大弊端，而且搜索结果也显示出了这3大弊端

第一个办法：用copy_to，将多个field组合成一个field，问题其实就出在有多个field，有多个field以后，就很尴尬，我们只要想办法将一个标识跨在多个field的情况，合并成一个field即可。比如说，一个人名，本来是first_name，last_name，现在合并成一个full_name，不就ok了吗。。。。。

准备数据

PUT /forum?include_type_name=true
{
  "mappings": {
    "post":{
      "properties":{
        "first_name":{
          "type":"text",
          "copy_to":"full_name"
        },
        "last_name":{
          "type":"text",
          "copy_to":"full_name"
        },
        "full_name":{
          "type":"text"
        }
      }
    }
  }
}

POST /forum/post/_bulk
{ "index": { "_id": "1"} }
{ "first_name" : "Peter", "last_name" : "Smith" }
{ "index": { "_id": "2"} }
{ "first_name" : "Smith", "last_name" : "Williams" }
{ "index": { "_id": "3"} }
{ "first_name" : "Jack", "last_name" : "Ma" }
{ "index": { "_id": "4"} }
{ "first_name" : "Robbin", "last_name" : "Li" }
{ "index": { "_id": "5"} }
{ "first_name" : "Tonny", "last_name" : "Peter Smith" }

查询

 GET /forum/post/_search
 {
   "query": {
     "match": {
       "full_name": "Peter Smith"
     }
   }
 }

#! Deprecation: [types removal] Specifying types in search requests is deprecated.
{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 1.4691012,
    "hits" : [
      {
        "_index" : "forum",
        "_type" : "post",
        "_id" : "1",
        "_score" : 1.4691012,
        "_source" : {
          "first_name" : "Peter",
          "last_name" : "Smith"
        }
      },
      {
        "_index" : "forum",
        "_type" : "post",
        "_id" : "5",
        "_score" : 1.2312969,
        "_source" : {
          "first_name" : "Tonny",
          "last_name" : "Peter Smith"
        }
      },
      {
        "_index" : "forum",
        "_type" : "post",
        "_id" : "2",
        "_score" : 0.5598161,
        "_source" : {
          "first_name" : "Smith",
          "last_name" : "Williams"
        }
      }
    ]
  }
}

注意⚠️：很无奈，很多时候，我们很难复现。比如官网也会给一些例子，说用什么什么文本，怎么怎么搜索，是怎么怎么样的效果。es版本在不断迭代，这个打分的算法也在不断的迭代。所以我们其实很难说，对类似这几讲讲解的best_fields，most_fields，cross_fields，完全复现出来应有的场景和效果。

总结

问题1：只是找到尽可能多的field匹配的doc，而不是某个field完全匹配的doc --> 解决，最匹配的document被最先返回

问题2：most_fields，没办法用minimum_should_match去掉长尾数据，就是匹配的特别少的结果 --> 解决，可以使用minimum_should_match去掉长尾数据

问题3：TF/IDF算法，比如Peter Smith和Smith Williams，搜索Peter Smith的时候，由于first_name中很少有Smith的，所以query在所有document中的频率很低，得到的分数很高，可能Smith Williams反而会排在Peter Smith前面 --> 解决，Smith和Peter在一个field了，所以在所有document中出现的次数是均匀的，不会有极端的偏差

欢迎访问我的个人博客：小马博客

项目源码关注公众号《JAVA拾贝》