本文探讨了ElasticSearch的评分机制，特别是在搜索张三等常见名字时，为何会出现张某三与张三混排的问题。默认使用的是tf/idf算法，其中词频和逆文档频率决定了相关性。由于分布式特性，计算全局idf代价高，可能导致局部idf差异，影响搜索结果的相关性。文章提到了两种解决方案，包括一索引一分片和使用dfs_query_then_fetch参数，但都有其局限性。
最近在业务开发的过程中，需要使用到ElasticSearch搜索引擎来优化我们的小搜索（其实也算不上），我们需要根据关键字搜索出匹配的人员信息和节点信息，我们当时业务的数据量大概在200MB左右，一开始其实完全使用数据库完成这个搜索，但是随着用户量的增大（大概后期一百万左右），使用数据库完成搜索的速度之慢令人发指，大概5s左右（主要业务场景中还需要较多的表连接，导致速度变慢），所以后来我们打算采用ElasticSearch完成对搜索框的优化。
在使用ElasticSearch过程中，比如我们需要搜索叫张三的人，但200MB的数据中可能含有十几个张三，几百个张某三，照理说我指定返回评分最高的20条记录中，应该先是十几条张三，然后再是剩下的张某三，但是实际结果却是张某三和张三穿插其中，这和我们想要达到的效果就有些差异了，通过研究ElasticSearch的评分机制，才明白了问题所在。
首先我们先了解下ElasticSearch的评分机制：
最低0.47元/天 解锁文章
扫一扫
1808
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
