Elasticsearch Query DSL 整理总结(四)—— Multi Match Query

该做的事情一定要做,决心要做的事情一定要做好

——本杰明·富兰克林

引言

最近很喜欢使用思维导图来学习总结知识点,如果你对思维导图不太了解,又非常感兴趣,请来看下这篇文章。这次介绍下 MutiMatch, 正文之前,请先看下本文的思维导图预热下:

Multi Match

概要

multi_match 查询建立在 match 查询之上,重要的是它允许对多个字段查询。

先构建一个实例, multimatch_test 中设置了两个字段 subjectmessage , 使用 fields 参数在两个字段上都查询 multimatch ,从而得到了两个匹配文档。

PUT multimatchtest
{
}

PUT multimatchtest/_mapping/multimatch_test
{
  "properties": {
    "subject": {
      "type": "text"
    },
    "message": {
      "type": "text"
    }
  }
}

PUT multimatchtest/multimatch_test/1
{
  "subject": "this is a multimatch test",
  "message": "blala blalba"
}

PUT multimatchtest/multimatch_test/2
{
  "subject": "blala blalba",
  "message": "this is a multimatch test"
}

GET multimatchtest/multimatch_test/_search
{
  "query": {
    "multi_match": {
      "query": "multimatch",
      "fields": ["subject", "message"]
    }
  }
}

下面来讲解下 fields 参数的使用

fields 字段

通配符

fields 字段中的值支持通配符* , 设置 mess* 依旧可以查询出 message 字段中的匹配。

GET multimatchtest/multimatch_test/_search
{
  "query": {
    "multi_match": {
      "query": "multimatch",
      "fields": ["subject", "mess*"]
    }
  }
}

提升字段权重

在查询字段后使用 ^ 符号可以提高字段的权重,增加字段的分数 _score 。例如,我们想增加 subject 字段的权重。

GET multimatchtest/multimatch_test/_search
{
  "query": {
    "multi_match": {
      "query": "multimatch",
      "fields": ["subject^3", "mess*"]
    }
  }
}

虽然文档 1 和 文档 2 中都含有相同数量的 multimatch 词条,但可以看出,搜索结果中 subject 中含有multimatch 的分数是另一个文档的 3 倍。

  "hits": {
    "total": 2,
    "max_score": 0.8630463,
    "hits": [
      {
        "_index": "multimatchtest",
        "_type": "multimatch_test",
        "_id": "1",
        "_score": 0.8630463,
        "_source": {
          "subject": "this is a multimatch test",
          "message": "blala blalba"
        }
      },
      {
        "_index": "multimatchtest",
        "_type": "multimatch_test",
        "_id": "2",
        "_score": 0.2876821,
        "_source": {
          "subject": "blala blalba",
          "message": "this is a multimatch test"
        }
      }
    ]
  }
}

如果在 multimatch 查询中不指定 fields 参数,默认会将文档中的所有字段都匹配一遍。但不建议这么做,可能会出现性能问题,也没有什么意义。

multi_match查询的类型

multi_match 查询内部到底如何执行主要取决于它的 type 参数,这个参数的可取得值如下

  • best_fields 是默认类型,会将任何与查询匹配的文档作为结果返回,但是只使用最佳字段的 _score 评分作为评分结果返回。
  • most_fields 将任何与查询匹配的文档作为结果返回,并所有匹配字段的评分合并起来
  • phrasefields 中的每个字段上均执行 match_phrase 查询,并将最佳字段的 _score 作为结果返回
  • phrase_prefixfields 中的字段上均执行 match_phrase_prefix 查询,并将每个字段的分数进行合并

下面我们来依次查看写这些类型的意义和具体使用。

best_fields 类型

要搞懂 best_fields 类型,首先要了解下 dis_max

dis_max 分离最大化查询

dis_max 查询英文全称为 Disjunction Max Query 就是分离最大化查询的意思。

  • 分离(Disjunction)的意思是 或(or) ,表示把同一个文档中每个字段上的查询都分离开,分别计算出分数。
  • 分离最大化查询(Disjunction Max Query)指的是: 将任何与任一查询匹配的文档作为结果返回,但 只将最佳匹配的评分作为查询的评分结果返回

来看一个例子, 我们将上面两个文档的内容重写

PUT multimatchtest/multimatch_test/1
{
  "subject": "food is delicious!",
  "message": "cook food"
}

PUT multimatchtest/multimatch_test/2
{
  "subject": "blabla blala",
  "message": "I like chinese food"
}

这时我们在 subjectmessage 两个字段上都查询 chinese food ,看得到什么结果?(我们先不使用 multimatch 而是 match)

GET multimatchtest/multimatch_test/_search
{
  "query": {
    "dis_max": {
      "queries": [
        {
          "match": {
            "subject": "chinese food"
          }
        },
        {
          "match": {
            "message": "chinese food"
          }
        }
        ]
    }
  }
}

而得到的结果则是

  "hits": {
    "total": 2,
    "max_score": 0.5753642,
    "hits": [
      {
        "_index": "multimatchtest",
        "_type": "multimatch_test",
        "_id": "2",
        "_score": 0.5753642,
        "_source": {
          "subject": "blabla blala",
          "message": "I like chinese food"
        }
      },
      {
        "_index": "multimatchtest",
        "_type": "multimatch_test",
        "_id": "1",
        "_score": 0.2876821,
        "_source": {
          "subject": "food is delicious!",
          "message": "cook food"
        }
      }
    ]
  }
}

虽然文档 1 中的 subjectmessage 字段中都含有 food 能够匹配到,但由于使用的 dis_max 查询,只会将它们单独计算得分,而文档 2 中只有 message 匹配到,但是它的分数更高。由此比较,文档 2 的得分当然比文档 1 高,而这就是 best_fields 类型的计算方式。

best_fields

上个小节中的 dis_max 查询则直接就可以用

best_fields 在查询多个词条最佳匹配度方面是最有用的,它和 dis_max 方式是等价的。例如,上节中的 dis_max 查询就可以写成下面的形式。而且 best_fields 类型是 multi_match 查询时的默认类型。

GET multimatchtest/multimatch_test/_search
{
  "query": {
    "multi_match": {
      "query": "chinese food",
      "fields": ["subject", "message"]
    }
  }
}

按照这种方式,只是最佳匹配语句起作用,其他语句对分数一点贡献度也没有了。这样太纯粹了似乎也不太好。有没有折中的办法,其他语句也参与评分,只不过要打下折扣,让它们的贡献度不那么高?嗯,还真有,这就是 tie_breaker 参数。

维权使者 tie_breaker

感觉 tie_breaker 参数就是为了维护其他语句的权利而生的,先了解下它的评分方式:

  1. 先由 best_fields type 获得最佳匹配语句的评分 _score
  2. 将其他匹配语句的评分结果与 tie_breaker 相乘。
  3. 对以上评分求和并规范化。

有了 tie_breaker ,世界变得更美好了,在计算时会考虑所有匹配语句,但tie_breaker 并没有喧宾夺主, 最佳匹配语句依然是老大,但其他语句在 tie_breaker 的帮助下也有了一定的话语权。

将上节查询语句添加一个 tie_breaker 参数才来看结果。

GET multimatchtest/multimatch_test/_search
{
  "query": {
    "multi_match": {
      "query": "chinese food",
      "fields": ["subject", "message"],
      "tie_breaker": 0.3
    }
  }
} 

结果如下:

"hits": {
    "total": 2,
    "max_score": 0.5753642,
    "hits": [
      {
        "_index": "multimatchtest",
        "_type": "multimatch_test",
        "_id": "2",
        "_score": 0.5753642,
        "_source": {
          "subject": "blabla blala",
          "message": "I like chinese food"
        }
      },
      {
        "_index": "multimatchtest",
        "_type": "multimatch_test",
        "_id": "1",
        "_score": 0.37398672,
        "_source": {
          "subject": "food is delicious!",
          "message": "cook food"
        }
      }
    ]
  }

和上节的文档 1 的评分对比,由于文档 1 中 message 字段和 subject 都只有一个 "food" 单词,它们的评分是一样的,且 tie_breaker 为 0.3,那就相当于 0.2876821x1.3=0.37398672 ,正好与结果吻合。

开篇时我们就说到, multi-match 查询是构建在 match 查询基础上的,因此 match 查询的参数,multi-match 都可以使用,可以参考我之前写的 match query 文档来查看。

most_fields

most_fields 主要用在多个字段都包含相同的文本的场合,会将所有字段的评分合并起来。

GET multimatchtest/multimatch_test/_search
{
  "query": {
    "multi_match": {
      "query": "multimatch",
      "fields": ["subject", "message"],
      "type": "most_fields"
    }
  }
} 

phrase 和 phrase_prefix

phrasephrase_prefix 类型的行为与 best_fields 参数类似,区别就是

  • phrase 使用 match_phrase & dis_max 实现
  • phrase_prefix 使用 match_phrase_prefix & dis_max 实现
  • best_fields 使用 match & dis_max 实现
GET multimatchtest/multimatch_test/_search
{
  "query": {
    "multi_match": {
      "query": "this is",
      "fields": ["subject", "message"],
      "type": "phrase"
    }
  }
} 

上面查询等价于

GET multimatchtest/multimatch_test/_search
{
  "query": {
    "dis_max": {
      "queries": [{
        "match_phrase": {
          "subject": "this is"
        }
      },
      {
        "match_phrase": {
          "message": "this is"
        }
      }]
    }
  }
}

cross_fields

most_fieldsbest_fields 类型都是词中心式(field-centric),什么意思呢?举个例子,假如要查询 "blabla like" 字符串,并且指定 operatorand ,则会在同一个字段内搜索整个字符串,只有一个字段内都有这两个词,才匹配上。

GET multimatchtest/_search
{
  "query": {
    "multi_match": {
      "query": "blabla like",
      "operator": "and",
      "fields": [ "subject", "message"],
      "type": "best_fields"
    }
  }
}

而 cross_fields 类型则是字段中心式的,例如,要查询 "blabla like" 字符串,查询字段为 "subject" 和 "message"。此时首先分析查询字符串并生成一个词列表,然后从所有字段中依次搜索每个词,只要查询到,就算匹配上。

GET multimatchtest/_search
{
  "query": {
    "multi_match": {
      "query": "blabla like",
      "operator": "and",
      "fields": [ "subject", "message"],
      "type": "cross_fields"
    }
  }
}

评分

那么 cross_fields 的评分是怎么完成的呢?

cross_fields 也有 tie_breaker 配置,就是由它来控制 cross_fields 的评分。tie_breaker 的取值及意义如下:

  • 0.0 获取最佳字段的分数为最终分数,默认值
  • 1.0 将多个字段的分数合并
  • 0.0 < n < 1.0 最佳字段评分与其它字段结合评分
GET multimatchtest/_search
{
  "query": {
    "multi_match": {
      "query": "blabla like",
      "fields": [ "subject", "message"],
      "type": "cross_fields",
      "tie_breaker": 0.5
    }
  }
}

小结

Muti-Match 是非常常用的全文搜索,它构建在 Match 查询的基础上,同时又添加了许多类型来符合多字段搜索的场景。最后,请在通过思维导图一起来回顾下本节的知识点吧.

Multi Match

参考

https://www.elastic.co/guide/en/elasticsearch/reference/6.3/query-dsl-multi-match-query.html

相关文档

posted @ 2018-12-02 20:34 ReyCG 阅读(...) 评论(...) 编辑 收藏