Elasticsearch Query DSL 整理總結（四）—— Multi Match Query

摘要： 目錄 該做的事情一定要做，決心要做的事情一定要做好 ——本傑明·富蘭克林 引言 最近很喜歡使用思維導圖來學習總結知識點，如果你對思維導圖不太瞭解，又非常感興趣，請來看下這篇文章。書歸正傳，這次介紹下 MutiMatch, 正文之前，請先看下本文的思維導圖預熱下： ...

目錄

該做的事情一定要做，決心要做的事情一定要做好

——本傑明·富蘭克林

引言

最近很喜歡使用思維導圖來學習總結知識點，如果你對思維導圖不太瞭解，又非常感興趣，請來看下這篇文章。書歸正傳，這次介紹下 MutiMatch, 正文之前，請先看下本文的思維導圖預熱下：

概要

multi_match 查詢建立在 match 查詢之上，重要的是它允許對多個欄位查詢。

先構建一個例項, multimatch_test 中設定了兩個欄位 subject 和 message , 使用 fields 引數在兩個欄位上都查詢 multimatch ，從而得到了兩個匹配文件。

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"]
}
}
}

下面來講解下 fields 引數的使用

fields 欄位

萬用字元

fields 欄位中的值支援萬用字元 * , 設定 mess* 依舊可以查詢出 message 欄位中的匹配。

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

提升欄位權重

在查詢欄位後使用 ^ 符號可以提高欄位的權重，增加欄位的分數 _score 。例如，我們想增加 subject 欄位的權重。

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

雖然文件 1 和 文件 2 中都含有相同數量的 multimatch 詞條，但可以看出，搜尋結果中 subject 中含有 multimatch 的分數是另一個文件的 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 查詢中不指定 fields 引數，預設會將文件中的所有欄位都匹配一遍。但不建議這麼做，可能會出現效能問題，也沒有什麼意義。

multi_multich 查詢的型別

multi_match 查詢內部到底如何執行主要取決於它的 type 引數，這個引數的可取得值如下

• best_fields 是預設型別，會將任何與查詢匹配的文件作為結果返回，但是隻使用最佳欄位的 _score 評分作為評分結果返回。
• most_fields 將任何與查詢匹配的文件作為結果返回，並所有匹配欄位的評分合並起來
• phrase 在 fields 中的每個欄位上均執行 match_phrase 查詢，並將最佳欄位的 _score 作為結果返回
• phrase_prefix 在 fields 中的欄位上均執行 match_phrase_prefix 查詢，並將每個欄位的分數進行合併

下面我們來依次檢視寫這些型別的意義和具體使用。

best_fields 型別

要搞懂 best_fields 型別，首先要了解下 dis_max 。

dis_max 分離最大化查詢

dis_max 查詢英文全稱為 Disjunction Max Query 就是分離最大化查詢的意思。

• 分離（Disjunction）的意思是 或（or） ，表示把同一個文件中每個欄位上的查詢都分離開，分別計算出分數。
• 分離最大化查詢（Disjunction Max Query）指的是： 將任何與任一查詢匹配的文件作為結果返回，但 只將最佳匹配的評分作為查詢的評分結果返回

來看一個例子, 我們將上面兩個文件的內容重寫

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"
}

這時我們在 subject 和 message 兩個欄位上都查詢 chinese food ，看得到什麼結果？(我們先不使用 multimatch 而是 match )

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

而得到的結果則是

"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"
}
}
]
}
}

雖然文件 1 中的 subject 和 message 欄位中都含有 food 能夠匹配到，但由於使用的 dis_max 查詢，只會將它們單獨計算得分，而文件 2 中只有 message 匹配到，但是它的分數更高。由此比較，文件 2 的得分當然比文件 1 高，而這就是 best_fields 型別的計算方式。

best_fields

上個小節中的 dis_max 查詢則直接就可以用

best_fields 在查詢多個詞條最佳匹配度方面是最有用的，它和 dis_max 方式是等價的。例如，上節中的 dis_max 查詢就可以寫成下面的形式。而且 best_fields 型別是 multi_match 查詢時的預設型別。

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

按照這種方式，只是最佳匹配語句起作用，其他語句對分數一點貢獻度也沒有了。這樣太純粹了似乎也不太好。有沒有折中的辦法，其他語句也參與評分，只不過要打下折扣，讓它們的貢獻度不那麼高？嗯，還真有，這就是 tie_breaker 引數。

維權使者 tie_breaker

感覺 tie_breaker 引數就是為了維護其他語句的權利而生的，先了解下它的評分方式：

1. 先由 best_fields type 獲得最佳匹配語句的評分 _score 。
2. 將其他匹配語句的評分結果與 tie_breaker 相乘。
3. 對以上評分求和並規範化。

有了 tie_breaker ，世界變得更美好了，在計算時會考慮所有匹配語句，但 tie_breaker 並沒有喧賓奪主， 最佳匹配語句依然是老大，但其他語句在 tie_breaker 的幫助下也有了一定的話語權。

將上節查詢語句新增一個 tie_breaker 引數才來看結果。

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

結果如下：

"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"
}
}
]
}

和上節的文件 1 的評分對比，由於文件 1 中 message 欄位和 subject 都只有一個 "food" 單詞，它們的評分是一樣的，且 tie_breaker 為 0.3，那就相當於 0.2876821x1.3=0.37398672 ，正好與結果吻合。

開篇時我們就說到， multi-match 查詢是構建在 match 查詢基礎上的，因此 match 查詢的引數， multi-match 都可以使用，可以參考我之前寫的match query 文件來檢視。

most_fields

most_fields 主要用在多個欄位都包含相同的文字的場合，會將所有欄位的評分合並起來。

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

phrase 和 phrase_prefix

phrase 和 phrase_prefix 型別的行為與 best_fields 引數類似，區別就是

• phrase 使用 match_phrase & dis_max 實現
• phrase_prefix 使用 match_phrase_prefix & dis_max 實現
• best_fields 使用 match & dis_max 實現

GET multimatchtest/multimatch_test/_search
{
"query": {
"multi_match": {
"query": "this is",
"fields": ["subject", "message"],
"type": "phrase"
}
}
}

上面查詢等價於

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

cross_fields

像 most_fields 和 best_fields 型別都是詞中心式(field-centric)，什麼意思呢？舉個例子，假如要查詢 "blabla like" 字串，並且指定 operator 為 and ，則會在同一個欄位內搜尋整個字串，只有一個欄位內都有這兩個詞，才匹配上。

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

而 cross_fields 型別則是欄位中心式的，例如，要查詢 "blabla like" 字串，查詢欄位為 "subject" 和 "message"。此時首先分析查詢字串並生成一個詞列表，然後 從所有欄位中依次搜尋每個詞 ，只要查詢到，就算匹配上。

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

評分

那麼 cross_fields 的評分是怎麼完成的呢？

cross_fields 也有 tie_breaker 配置，就是由它來控制 cross_fields 的評分。tie_breaker 的取值及意義如下：

0.0
1.0
0.0 < n < 1.0

GET multimatchtest/_search
{
"query": {
"multi_match": {
"query": "blabla like",
"fields": [ "subject", "message"],
"type": "cross_fields",
"tie_breaker": 0.5
}
}
}

小結

Muti-Match 是非常常用的全文搜尋，它構建在 Match 查詢的基礎上，同時又添加了許多型別來符合多欄位搜尋的場景。最後，請在通過思維導圖一起來回顧下本節的知識點吧.

參考

ofollow,noindex" target="_blank">https://www.elastic.co/guide/en/elasticsearch/reference/6.3/query-dsl-multi-match-query.html

相關文件

• Elasticsearch 系列文章彙總(持續更新...)
• Elasticsearch 思維導圖集錦（持續更新...）