multi_match 查询
文章目录
- fields 和每个字段的增强
- multi_match 查询的类型
- best_fields
- most_fields
- phrase 和 phrase_prefix
- cross_fields
- cross_fields 和分析器
- tie_breaker
- bool_prefix
官方文档地址： Multi-match query
multi_match查询建立在match查询的基础上，允许多字段查询：
GET /_search
{"query": {"multi_match" : {"query": "this is a test", //查询字符串"fields": [ "subject", "message" ] //需要查询的字段}}
}
fields 和每个字段的增强
可以使用通配符指定字段，例如：
GET /_search
{"query": {"multi_match" : {"query": "Will Smith","fields": [ "title", "*_name" ] //查询title、first_name和last_name字段}}
}
单个字段可以通过插入符号(^)来增强：
GET /_search
{"query": {"multi_match" : {"query" : "this is a test","fields" : [ "subject^3", "message" ] //该查询将subject字段的分数乘以3，但保持message字段的分数不变。}}
}
如果没有提供字段，multi_match查询默认为index.query.default_field索引设置，而后者默认为*。*提取 mapping 中符合术语查询条件的所有字段，并过滤元数据字段。然后将所有提取的字段组合起来构建一个查询。
警告：字段数量限制
默认情况下，查询可以包含的子句数量是有限制的。此限制由indices.query.bool.max_clause_count设置，默认为
1024。对于combined_fields查询，子句的数量计算为字段的数量乘以术语的数量。
multi_match 查询的类型
multi_match查询在内部执行的方式取决于type参数，可以将其设置为：
| 参数 | 描述 |
|---|---|
best_fields
|
（默认的）查找匹配任何字段的文档，但使用来自最佳字段的_score。
|
most_fields
|
查找匹配任何字段的文档，并结合每个字段的_score。
|
cross_fields
|
使用同一个analyzer处理字段，就像它们是一个大字段一样。查找任何字段中的每个单词。
|
phrase
|
在每个字段上运行match_phrase查询，并使用来自最佳字段的_score。
|
phrase_prefix
|
在每个字段上运行match_phrase_prefix查询，并使用来自最佳字段的_score。
|
bool_prefix
|
在每个字段上创建一个match_bool_prefix查询，并组合每个字段的_score。
|
best_fields
best_fields类型在搜索多个在同一字段中最容易找到的单词时最有用。例如，单个字段中的“brown fox”要比一个字段中的“brown”和另一个字段中的“fox”更有意义。
best_fields类型为每个字段生成一个match查询，并将它们包装在dis_max查询中，以找到唯一的最佳匹配字段。例如，下面的查询：
GET /_search
{"query": {"multi_match" : {"query": "brown fox","type": "best_fields","fields": [ "subject", "message" ],"tie_breaker": 0.3}}
}
将以下列方式执行：
GET /_search
{"query": {"dis_max": {"queries": [{ "match": { "subject": "brown fox" }},{ "match": { "message": "brown fox" }}],"tie_breaker": 0.3}}
}
通常情况下，best_fields类型使用单个最佳匹配字段的得分，但如果指定了tie_breaker，则它计算得分如下：
- 最佳匹配字段的得分。
- 对所有其他匹配字段加上
tie_breaker * _score。
此外，接受analyzer、boost、operator、minimum_should_match、fuzziness、lenient、prefix_length、max_expansions、fuzzy_rewrite、zero_terms_query、cutoff_frequency、auto_generate_synonyms_phrase_query和fuzzy_transposition，如 match 查询 中所解释的。
重要：
operator和minimum_should_match
best_fields和most_fields类型是以字段为中心的—它们为每个字段生成match查询。这意味着operator和minimum_should_match参数分别应用于每个字段，这可能不是您想要的。以这个查询为例：
GET /_search {"query": {"multi_match" : {"query": "Will Smith","type": "best_fields","fields": [ "first_name", "last_name" ],"operator": "and" //所有数语都必须出现}} }该查询以如下方式执行：
(+first_name:will +first_name:smith) | (+last_name:will +last_name:smith)换句话说，为了让文档匹配，所有术语必须出现在单个字段中。
combined_fields 查询提供了一种以术语为中心的方法，它根据每个术语处理
operator和minimum_should_match。另一个多匹配模式cross_fields也解决了这个问题。
most_fields
当查询以不同方式分析的包含相同文本的多个字段时，most_fields类型最有用。例如，主字段可能包含同义词、词干和不带变音符号的术语。第二个字段可能包含原始术语，第三个字段可能包含 shingles。通过合并来自所有三个字段的分数，我们可以将尽可能多的文档与主字段匹配，但使用第二个和第三个字段将最相似的结果推到列表的顶部。
此查询：
GET /_search
{"query": {"multi_match" : {"query": "quick brown fox","type": "most_fields","fields": [ "title", "title.original", "title.shingles" ]}}
}
将以下列方式执行：
GET /_search
{"query": {"bool": {"should": [{ "match": { "title": "quick brown fox" }},{ "match": { "title.original": "quick brown fox" }},{ "match": { "title.shingles": "quick brown fox" }}]}}
}
每个match子句的得分加在一起，然后除以match子句的数量。
此外，接受analyzer、boost、operator、minimum_should_match、fuzziness、lenient、prefix_length、max_expansions、fuzzy_rewrite、zero_terms_query和cutoff_frequency，如 match 查询 中所解释的。
phrase 和 phrase_prefix
phrase和phrase_prefix类型的行为类似于best_fields，但它们使用match_phrase或match_phrase_prefix查询而不是match查询。
此查询：
GET /_search
{"query": {"multi_match" : {"query": "quick brown f","type": "phrase_prefix","fields": [ "subject", "message" ]}}
}
将以下列方式执行：
GET /_search
{"query": {"dis_max": {"queries": [{ "match_phrase_prefix": { "subject": "quick brown f" }},{ "match_phrase_prefix": { "message": "quick brown f" }}]}}
}
此外，接受analyzer、boost、lenient和zero_terms_query，如 match 查询 中所解释的。以及在 match_phrase 查询 中所解释的slop参数。类型phrase_prefix另外接受max_expansions。
重要：phrase，phrase_prefix 和 fuzziness
fuzziness参数不能与phrase或phrase_prefix类型一起使用。
cross_fields
cross_fields类型对于多个字段应该匹配的结构化文档特别有用。例如，当在first_name和last_name字段查询“Will Smith”时，最佳匹配可能是一个字段中有“Will”，另一个字段中有“Smith”。
这听起来像是
most_fields的工作，但这种方法有两个问题。第一个问题是，operator和minimum_should_match是针对每个字段应用的，而不是针对每个 term (参见上面的解释)。第二个问题与相关性有关：
first_name和last_name字段中的不同术语频率可能会产生意想不到的结果。例如，假设我们有两个人：“Will Smith”和“Smith Jones”。“Smith”作为姓很常见（所以不太重要），但“Smith”作为名很不常见（所以很重要）。
如果我们搜索“Will Smith”，“Smith Jones”文档可能会出现在更匹配的“Will Smith”上面，因为
first_name: smith的得分超过了first_name: will加last_name: smith的得分之和。
处理这类查询的一种方法是简单地将first_name和last_name字段索引为一个full_name字段。当然，这只能在索引时间完成。
cross_field类型试图在查询时采用以术语为中心的方法来解决这些问题。它首先将查询字符串分析为单个的项，然后在任意字段中查找每个项，就像它们是一个大字段一样。
查询：
GET /_search
{"query": {"multi_match" : {"query": "Will Smith","type": "cross_fields","fields": [ "first_name", "last_name" ],"operator": "and"}}
}
执行：
+(first_name:will last_name:will)
+(first_name:smith last_name:smith)
换句话说，所有术语必须出现在至少一个字段中，文档才能匹配。（将其与best_fields和most_fields的逻辑进行比较。）
这解决了两个问题中的一个。该方法通过对各场的项频进行混合，以消除项频差，从而解决了项频差的问题。
在实践中，first_name:smith将被视为与last_name:smith(加1)具有相同的频率。这将使first_name和last_name的匹配具有可比较的分数，而last_name的优势很小，因为它是最有可能包含smith的字段。
注意，cross_fields通常只对boost为1的短字符串字段有用。除此之外，术语频率和长度标准化也会对分数产生影响，从而导致术语统计数据的混合不再有意义。
如果你通过 Validate 运行上面的查询，它会返回如下解释：
+blended("will", fields: [first_name, last_name])
+blended("smith", fields: [first_name, last_name])
此外，接受analyzer、boost、operator、minimum_should_match、lenient、zero_terms_query和cutoff_frequency，如 match 查询 中解释的那样。
警告
cross_fields类型混合了字段统计信息，但并不总是生成格式良好的分数（例如分数可以变成负数）。作为一种替代方法，您可以考虑使用combined_fields查询，它也是以术语为中心的，但以一种更健壮的方式组合字段统计信息。
cross_fields 和分析器
cross_fields类型只能在具有相同分析器的字段上以术语为中心模式工作。与上面的示例一样，使用同一个分析器的字段被分组在一起。如果有多个组，查询将使用任何组中的最佳分数。
例如，如果我们有一个first和last字段，它们有相同的分析器，加上一个first.edge和last.edge都使用了edge_ngram分析器，查询如下：
GET /_search
{"query": {"multi_match" : {"query": "Jon","type": "cross_fields","fields": ["first", "first.edge","last", "last.edge"]}}
}
将以下列方式执行：
blended("jon", fields: [first, last])
| (blended("j", fields: [first.edge, last.edge])blended("jo", fields: [first.edge, last.edge])blended("jon", fields: [first.edge, last.edge])
)
换句话说，first和last将被组合在一起，并作为单个字段处理。first.edge和last.edge将被组合在一起，并作为单个字段处理。
拥有多个组很好，但是当与operator或minimum_should_match组合时，它可能会遇到与most_fields或best_fields相同的问题。
您可以很容易地自己将这个查询重写为两个独立的cross_fields查询结合dis_max查询，并仅对其中一个应用minimum_should_match参数：
GET /_search
{"query": {"dis_max": {"queries": [{"multi_match" : {"query": "Will Smith","type": "cross_fields","fields": [ "first", "last" ],"minimum_should_match": "50%" //will或smith必须出现在first或last字段中}},{"multi_match" : {"query": "Will Smith","type": "cross_fields","fields": [ "*.edge" ]}}]}}
}
通过在查询中指定analyzer参数，可以将所有字段强制放入同一组。
GET /_search
{"query": {"multi_match" : {"query": "Jon","type": "cross_fields","analyzer": "standard", //所有字段使用standard分析器。"fields": [ "first", "last", "*.edge" ]}}
}
tie_breaker
默认情况下，每个词blended查询将使用组中任何字段返回的最佳分数。然后，在组合不同组的分数时，查询使用任何组的最佳分数。tie_breaker参数可以改变这两个步骤的行为：
| 值 | |
|---|---|
0.0
|
例如从first_name:will和last_name:will中取一个最好的分数（默认的）
|
1.0
|
例如将first_name:will和last_name:will的得分相加
|
0.0 < n < 1.0
|
取一个最好的分数加上tie_breaker乘以来自其他匹配字段 / 组的每个分数
|
重要：cross_fields 和 fuzziness
fuzziness参数不能与cross_fields类型一起使用。
bool_prefix
bool_prefix类型的评分行为类似于most_fields，但使用的是match_bool_prefix查询而不是match查询。
GET /_search
{"query": {"multi_match" : {"query": "quick brown f","type": "bool_prefix","fields": [ "subject", "message" ]}}
}
支持match查询中解释的analyzer、boost、operator、minimum_should_match、lenient、zero_terms_query和auto_generate_synonyms_phrase_query参数。用于构造词汇查询的词汇支持fuzziness、prefix_length、max_expansions、fuzzy_rewrite和fuzzy_transpositions参数，但对从最后一个词汇构造的前缀查询没有影响。
这种查询类型不支持slop和cutoff_frequency参数。
multi_match 查询相关推荐
- [Elasticsearch2.x] 多字段搜索 (三) - multi_match查询和多数字段 译
multi_match查询 multi_match查询提供了一个简便的方法用来对多个字段执行相同的查询. NOTE 存在几种类型的multi_match查询,其中的3种正好和在"了解你的数据 ...
- 06.full_text multi_match查询
文章目录 1. multi_match 简介 2. multi_match 查询类型 1. best_fields 2. most_fields 3. phrase和phrase_prefix 4. ...
- multi_match 查询【muti_match和match区别】
2019独角兽企业重金招聘Python工程师标准>>> ======================================[建议]:类型most_fields与多个matc ...
- Elasticsearch多字段搜索 - multi_match查询和多数字段-----multi_match查询
multi_match查询提供了一个简便的方法用来对多个字段执行相同的查询. best_fields,most_fields以及cross_fields. 默认情况下,该查询以best_fields类 ...
- elasticsearch优化之多字段搜索multi_match查询
1 首先说下multi_match多字段匹配的三种类型,分别是best_fields(最佳字段) . most_fields(多数字段) 和 cross_fields(跨字段) 2 best_fiel ...
- es java match_ES multi_match 和match查询
multi_match查询默认为best_fields类型,更适合变形的查询句子. multi_match的most_fields类型查询 { "query": { "m ...
- Elasticsearch：Multi-match (multi_match) 及 Disjunction max 查询
多重匹配(multi_match)查询,顾名思义就是跨多个字段搜索查询. 例如,如果我们想在 title.synopsis 和 tags 三个字段中搜索 Java 一词,那么 multi_match ...
- elasticsearh中查询类型，term、match、match_all、multi_match、range、bool、boosting等
查询方式有如下几种: GET /<index>/_search GET /_search POST /<index>/_search POST /_search 一般分为如下几 ...
- elasticsearch查询
1.查询方式 有两种查询方式,一种是通过在url中指定查询条件 ,另外一种是通过DSL查询.都是使用GET方法 1.1 分页查询 from 指定从文档的什么位置开始,默认值0 size 指定一次查询返 ...
最新文章
- Spring 自定义注解使用案例 首先创建一个注解@interface
- 《数据库原理与应用》（第三版）第12章 函数和游标 基础 习题参考答案
- 【牛客 - 272B】Xor Path（树上操作，路径异或值）
- 那些中国式家庭的小烦恼，我看用AI来解决就“都挺好” | 技术头条
- 比亚迪后续车都会搭在鸿蒙系统吗_华为鸿蒙系统上车，比亚迪汉发布！我告诉你华为鸿蒙到底是什么...
- Android 系统（178）---Android N to O升级准则
- JavaScript学习（二十）—DOM中常用的属性
- P5154 数列游戏（区间dp）
- （深度剖析结构）模块化解释矢量控制
- 解决通过雪花算法生成的id前端接受数据精度丢失问题
- 仿班级聊天室（DOM原型法）并且用localStorage存储消息记录
- 火狐浏览器怎么设置打开书签的时候在新标签页打开
- Placement Rules 使用文档
- kubernets eviction策略
- codeforces 869c（组合数）
- 【方法】STM32F103C8单片机通过定时器DMA测量脉冲宽度，无需CPU干预（以DHT11传感器为例）
- JS实现常见文件类型的下载/保存
- （ICCV-2017）使用伪 3D 残差网络学习时空表示
- 图像到图像的映射（实验三）
- java毕业设计——基于java+SSM+Oracle的微博系统设计与实现（毕业论文+程序源码）——微博系统