15.most_fields策略进行cross-fields search

主要知识点：

cross-fields 的使用场景

cross-fields 使用方法

cross-fields 的缺点

 
 

一、cross-fields 的使用场景

 
 

cross-fields搜索，一个唯一标识可能存在于多个field。比如一个人的标识是姓名；一个建筑的标识是地址。姓名可以分步在多个field中，比如first_name和last_name中，地址可以分步在country，province，city中。此时做标识符搜索的话就必须跨多个field搜索同一个标识，比如搜索一个人名，或者一个地址，这就是cross-fields搜索。初步来说，如果要实现cross-fields，用most_fields比较合适。因为best_fields是优先搜索单个field最匹配的结果，cross-fields本身就不是一个field的问题了。

 
 

二、cross-fields 使用方法

1、准备数据

 
 

POST /forum/article/_bulk

{ "update": { "_id": "1"} }

{ "doc" : {"author_first_name" : "Peter", "author_last_name" : "Smith"} }

{ "update": { "_id": "2"} }

{ "doc" : {"author_first_name" : "Smith", "author_last_name" : "Williams"} }

{ "update": { "_id": "3"} }

{ "doc" : {"author_first_name" : "Jack", "author_last_name" : "Ma"} }

{ "update": { "_id": "4"} }

{ "doc" : {"author_first_name" : "Robbin", "author_last_name" : "Li"} }

{ "update": { "_id": "5"} }

{ "doc" : {"author_first_name" : "Tonny", "author_last_name" : "Peter Smith"} }

 
 

2、进行搜索

GET /forum/article/_search

{

"query": {

"multi_match": {

"query": "Peter Smith",

"type": "most_fields",

"fields": [ "author_first_name", "author_last_name" ]

}

}

}

 
 

执行结果

 
 

{

"took": 2,

"timed_out": false,

"_shards": {

"total": 5,

"successful": 5,

"failed": 0

},

"hits": {

"total": 3,

"max_score": 0.6931472,

"hits": [

{

"_index": "forum",

"_type": "article",

"_id": "2",

"_score": 0.6931472,

"_source": {

"articleID": "KDKE-B-9947-#kL5",

"userID": 1,

"hidden": false,

"postDate": "2017-01-02",

"tag": [

"java"

],

"tag_cnt": 1,

"view_cnt": 50,

"title": "this is java blog",

"content": "i think java is the best programming language",

"sub_title": "learned a lot of course",

"author_first_name": "Smith",

"author_last_name": "Williams"

}

},

 

三、cross-fields 的缺点

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

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

3、TF/IDF算法的计算可能和我们预期有差异，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。