es搜索排序不正確

沿用該文章里的數據https://www.cnblogs.com/MRLL/p/12691763.html

查詢時發現,一模一樣的name,但是相關度不一樣

GET /z_test/doc/_search
{
  "explain": false,
  "query": { 
    "match_phrase": {
      "name": "測試"
    }
  }
}

 

結果

{
  "took" : 5,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 5,
    "max_score" : 0.5753642,
    "hits" : [
      {
        "_index" : "z_test",
        "_type" : "doc",
        "_id" : "D4eQcnEBf_xjEc-wO9P0",
        "_score" : 0.5753642,
        "_source" : {
          "name" : "測試123"
        }
      },
      {
        "_index" : "z_test",
        "_type" : "doc",
        "_id" : "2oeLcnEBf_xjEc-wFNK2",
        "_score" : 0.5753642,
        "_source" : {
          "name" : "測試"
        }
      },
      {
        "_index" : "z_test",
        "_type" : "doc",
        "_id" : "_analyze",
        "_score" : 0.45840853,
        "_source" : {
          "name" : "測試"
        }
      },
      {
        "_index" : "z_test",
        "_type" : "doc",
        "_id" : "qHeKcnEBvg5mZsCPxwX1",
        "_score" : 0.3672113,
        "_source" : {
          "name" : "測試"
        }
      },
      {
        "_index" : "z_test",
        "_type" : "doc",
        "_id" : "AVSTcnEBjEFwhOIJHS0S",
        "_score" : 0.33573607,
        "_source" : {
          "name" : "測試1"
        }
      }
    ]
  }
}

 

查詢文檔后得知,在相關度分值的計算中有個屬性為逆向文檔頻率,意思為該搜索字段在整個索引的文檔里出現的頻率,出現的越多所占分值權重越低

參照該文章https://blog.csdn.net/paditang/article/details/79098830

 

解決辦法為用以下查詢

GET /z_test/doc/_search?search_type=dfs_query_then_fetch
{
  "explain": false,
  "query": { 
    "match": {
     "name": {"query": "測試"}
    }
  }
}

 

dfs_query_then_fetch意為使用全局的文檔信息打分



默認查詢參數為query then fetch

• 發送查詢到每個shard
• 找到所有匹配的文檔，並使用本地的Term/Document Frequency信息進行打分
• 對結果構建一個優先隊列（排序，標頁等）
• 返回關於結果的元數據到請求節點。注意，實際文檔還沒有發送，只是分數
• 來自所有shard的分數合並起來，並在請求節點上進行排序，文檔被按照查詢要求進行選擇
• 最終，實際文檔從他們各自所在的獨立的shard上檢索出來
• 結果被返回給用戶

 

dfs_query_then_fetch

• 預查詢每個shard，詢問Term和Document frequency
• 發送查詢到每隔shard
• 找到所有匹配的文檔，並使用全局的Term/Document Frequency信息進行打分
• 對結果構建一個優先隊列（排序，標頁等）
• 返回關於結果的元數據到請求節點。注意，實際文檔還沒有發送，只是分數
• 來自所有shard的分數合並起來，並在請求節點上進行排序，文檔被按照查詢要求進行選擇
• 最終，實際文檔從他們各自所在的獨立的shard上檢索出來
• 結果被返回給用戶

延伸:

 

 

詞頻:查詢字段出現的越多分數越高,如果不在意詞在某個字段中出現的頻次，而只在意是否出現過，則可以在字段映射中禁用詞頻統計：

PUT /my_index
{
    "mappings": {
        "doc": {
            "properties": {
                "name": {
                    "type": "string",
                    "index_options": "docs"
                }
            }
        }
    }
}