组合查询
bool （Boolean Query）
很多时候，我们可能想要通过多个条件去做检索，比如说豆瓣搜索一部电影，我们可能会限定根据电影的类型、年份、豆瓣评分等多个条件去查询，那么这种场景其实就是多个检索条件和多个字段匹配的一种场景。在ES中有一种查询，叫做bool查询，他可以组合多个查询字句，然后将结果输出，并且他是支持嵌套子句的。他支持的查询字句可以分为四种类型：
- must：必须匹配，会影响算分结果
- should：选择性匹配，也会影响算分结果
- must_not：必须不能匹配，不会影响算分
- filter：必须匹配，不会影响算分
下面是官网提供的一个关于bool查询的例子，其中must和should字句会进行相关性算分，并且累计到最终的分数中。bool查询可以通过minimum_should_match来指定should查询中的term子查询必须匹配几个才可以算是真正的匹配到这条数据。假设现在就是查询一部电影，我们搜索限定评分要大于9分，类型是文艺片，上映时间是2021年，演员有张国荣。那么如果不指定minimum_should_match，可能这四个条件中有一个满足就能查到，但是如果指定了minimum_should_match=3，那么这四个条件中必须满足三个才会返回。
POST _search
{
"query": {
"bool" : {
"must" : {
"term" : { "user.id" : "kimchy" }
},
"filter": {
"term" : { "tags" : "production" }
},
"must_not" : {
"range" : {
"age" : { "gte" : 10, "lte" : 20 }
}
},
"should" : [ # 一个数组，包括了两个term查询，如果没有指定must条件，那么should查询中的term必须至少满足一条查询
{ "term" : { "tags" : "env1" } },
{ "term" : { "tags" : "deployed" } }
],
"minimum_should_match" : 1,
"boost" : 1.0
}
}
}
boosting（Boosting query）
假设现在我们有下面这样一个索引，包括三个文档，其中前两条是Apple公司的电子产品介绍，后面一条是水果Apple的百科介绍，那么如果我们通过下面的查询条件去匹配，会既查询到苹果手机，也会查询到水果里的苹果。
POST /baike/_search
{
"query": {
"bool": {
"must": {
"match":{"title":"Apple"}
}
}
}
}
"hits" : {
"total" : {
"value" : 3,
"relation" : "eq"
},
"max_score" : 0.1546153,
"hits" : [
{
"_index" : "baike",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.1546153,
"_source" : {
"title" : "Apple Pad"
}
},
{
"_index" : "baike",
"_type" : "_doc",
"_id" : "2",
"_score" : 0.1546153,
"_source" : {
"title" : "Apple Mac"
}
},
{
"_index" : "baike",
"_type" : "_doc",
"_id" : "3",
"_score" : 0.1546153,
"_source" : {
"title" : "Apple Pie and Apple Fruit"
}
}
]
}
但是也许我们的用户关注的并不是水果的苹果，而是电子产品，那么我们应该如何进行更精确的匹配呢？当然我们可以对前面的查询做一些修改，通过mast_not来排除title中包括pie或者fruit的文档，只返回Apple Pad和Apple Mac。但是这么做又似乎有一点绝对，虽然很多人确实是想找苹果手机，但是也总有人是要看看什么苹果好吃，那么有没有什么折中的办法呢？
POST /baike/_search
{
"query": {
"bool": {
"must": {
"match":{"title":"Apple"}
},
"must_not": {
"match":{"title":"Pie"}
}
}
}
}
在ES中，为我们提供了Boosting query这种查询方式（boosting：boost的现在分词形式，有提高，助推的意思，这里我理解是提高_score这个分值），他可以为我们匹配到用户最关心的苹果手机，也可以匹配到吃的苹果。并且可以指定让最受关注的苹果手机展示在搜索结果的最前面。写法大概如下：
这里对几个属性做一个简单的分析：
positive：翻译过来有积极地意思，用来指定我们最关心的，希望靠前展示，算分高的文档negative：翻译过来有消极地意思，用来指定我们不是很关心，但是还是希望他能被匹配到的文档negative_boost：这个是为negative里面的条件指定一个boost值，用来降低他们的算分，在0.0-1.0之间的一个float数字
POST /baike/_search
{
"query": {
"boosting": {
"positive": {
"match": {
"title": "Apple"
}
},
"negative": {
"match": {
"title": "fruit"
}
},
"negative_boost": 0.5 # 通过这个字段结合上面的negative里的条件，在查询的时候就会将包含fruit的那条数据的算分打的很低，让他排在最后展示
}
}
}
costant_score （Constant score query）
我们知道filter查询是不会进行算分的，而且es会自动缓存一些filter查询，以此来提高一个效率。有时候可能确实需要返回一个期望的算分，那么constant_score可以用来做这件事，他可以对filter查询进行一次包装，然后通过boost这个参数来指定返回一个常量的算分。constant（常量）
POST /baike/_search
{
"query": {
"constant_score": {
"filter": {"term": {"title.keyword": "Quick brown rabbits"}},
"boost": 1.2
}
}
}
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 1.2,
"hits" : [
{
"_index" : "baike",
"_type" : "_doc",
"_id" : "4",
"_score" : 1.2, # 通过上面查询，这里返回的算分和我们指定的boost分值相等
"_source" : {
"title" : "Quick brown rabbits",
"body" : "Brown rabbits are commonly seen."
}
}
]
}
dis_max（Disjunction max query）
上面说到了bool查询，我们这里在回顾一下，首先这里我从es中文网站找了两条测试数据，
POST baike/_doc/4
{
"title": "Quick brown rabbits",
"body": "Brown rabbits are commonly seen."
}
POST baike/_doc/5
{
"title": "Keeping pets healthy",
"body": "My quick brown fox eats rabbits on a regular basis."
}
假设我们现在要在title或者body里查询brown fox相关的内容，那么我们通过观察发现ID为5的这条数据应该是相关性更高的，因为他的body里出现了完整的brown fox这个搜索条件，那么我们当然希望他能获得更高的算分，稍微靠前一点展示，接下来我们用bool查询试试看会不会和我们想的一样，下面是结果：
POST /baike/_search
{
"query": {
"bool": {
"should": [
{"match": {"title": "Brown fox"}},
{"match": {"body": "Brown fox"}}
]
}
}
}
# 查询结果
"hits" : {
"total" : {
"value" : 2,
"relation" : "eq"
},
"max_score" : 1.5974034,
"hits" : [
{
"_index" : "baike",
"_type" : "_doc",
"_id" : "4",
"_score" : 1.5974034,
"_source" : {
"title" : "Quick brown rabbits",
"body" : "Brown rabbits are commonly seen."
}
},
{
"_index" : "baike",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.77041256,
"_source" : {
"title" : "Keeping pets healthy",
"body" : "My quick brown fox eats rabbits on a regular basis."
}
}
]
}
实际操作过程中我们发现ID为5的这条数据并没有得到更高的算分，这是为什么呢？为了回答这个问题，我们要知道在es中也可以类似mysql查询sql的执行计划一样，通过explain这个关键字来展示dsl的执行计划，包括算分方式。接下来让我们一起拭目以待吧：
POST /baike/_search
{
"query": {
"bool": {
"should": [
{"match": {"title": "Brown fox"}},
{"match": {"body": "Brown fox"}}
]
}
},
"explain": true
}
# 查询结果
"hits" : {
"total" : {
"value" : 2,
"relation" : "eq"
},
"max_score" : 1.5974034,
"hits" : [
{
"_shard" : "[baike][0]",
"_node" : "aPt8G7vHTzOJU_L2FdLBpA",
"_index" : "baike",
"_type" : "_doc",
"_id" : "4",
"_score" : 1.5974034,
"_source" : {
"title" : "Quick brown rabbits",
"body" : "Brown rabbits are commonly seen."
},
"_explanation" : {
"value" : 1.5974034, # 这个值约等于38行的value + 49行的value
"description" : "sum of:", # !!! 求和
"details" : [
{
"value" : 1.3862942,
"description" : "weight(title:brown in 0) [PerFieldSimilarity], result of:", # title中有关键字brown，算一次
"details" : [
{
"value" : 1.3862942,
"description" : "score(freq=1.0), computed as boost * idf * tf from:",
"details" : [] # 算分细节，因为太长省略
}
]
},
{
"value" : 0.21110919,
"description" : "weight(body:brown in 0) [PerFieldSimilarity], result of:", # body中有关键字brown，算一次分
"details" : [
{
"value" : 0.21110919,
"description" : "score(freq=1.0), computed as boost * idf * tf from:",
"details" : []
}
]
}
]
}
},
{
"_shard" : "[baike][0]",
"_node" : "aPt8G7vHTzOJU_L2FdLBpA",
"_index" : "baike",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.77041256,
"_source" : {
"title" : "Keeping pets healthy",
"body" : "My quick brown fox eats rabbits on a regular basis."
},
"_explanation" : {
"value" : 0.77041256,
"description" : "sum of:",
"details" : [
{
"value" : 0.160443,
"description" : "weight(body:brown in 0) [PerFieldSimilarity], result of:", # body中有关键字brown，算一次分
"details" : [
{
"value" : 0.160443,
"description" : "score(freq=1.0), computed as boost * idf * tf from:",
"details" : []
}
]
},
{
"value" : 0.60996956,
"description" : "weight(body:fox in 0) [PerFieldSimilarity], result of:", # body中有关键字fox，算一次分
"details" : [
{
"value" : 0.60996956,
"description" : "score(freq=1.0), computed as boost * idf * tf from:",
"details" : []
}
]
}
]
}
}
]
}
通过对执行计划的分析，我们发现在bool查询会将should里面两个子查询分别进行算分，然后做加法，得到一个总的分数，在ID为4的文档中，title和body中分别包含了brown这个关键字，而ID为5的文档呢，因为title中没有包含查询条件中任何一个字符，因此它的算分下来就偏低，最终排在了后面。
显而易见，这种结局并不是我们想要看到的，那么有没有什么办法呢？es中就提供了一种解决方案，叫做dis_max。接下来我们用他再做一次查询，看看有什么结果，很明显ID为5的这条数据这一次获得了一个较高的算分。
"hits" : {
"total" : {
"value" : 2,
"relation" : "eq"
},
"max_score" : 0.77041256,
"hits" : [
{
"_index" : "baike",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.77041256,
"_source" : {
"title" : "Keeping pets healthy",
"body" : "My quick brown fox eats rabbits on a regular basis."
}
},
{
"_index" : "baike",
"_type" : "_doc",
"_id" : "4",
"_score" : 0.6931471,
"_source" : {
"title" : "Quick brown rabbits",
"body" : "Brown rabbits are commonly seen."
}
}
]
}
}
我们在用explain看看他的执行计划，发现他这次不是单纯的将两个子查询的算分加起来，而是选了两个子查询中算分的最大值做为他的最终得分。
"hits" : {
"total" : {
"value" : 2,
"relation" : "eq"
},
"max_score" : 0.77041256,
"hits" : [
{
"_shard" : "[baike][0]",
"_node" : "tc1MvVwdRcO-2A5L6j_l0Q",
"_index" : "baike",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.77041256,
"_source" : {
"title" : "Keeping pets healthy",
"body" : "My quick brown fox eats rabbits on a regular basis."
},
"_explanation" : {
"value" : 0.77041256,
"description" : "max of:", # !!! 求最大值
"details" : [
{
"value" : 0.77041256,
"description" : "sum of:",
"details" : [
{
"value" : 0.160443,
"description" : "weight(body:brown in 1) [PerFieldSimilarity], result of:",
"details" : []
},
{
"value" : 0.60996956,
"description" : "weight(body:fox in 1) [PerFieldSimilarity], result of:",
"details" : []
}
]
}
]
}
},
{
"_shard" : "[baike][0]",
"_node" : "tc1MvVwdRcO-2A5L6j_l0Q",
"_index" : "baike",
"_type" : "_doc",
"_id" : "4",
"_score" : 0.6931471,
"_source" : {
"title" : "Quick brown rabbits",
"body" : "Brown rabbits are commonly seen."
},
"_explanation" : {
"value" : 0.6931471,
"description" : "max of:",
"details" : [
{
"value" : 0.6931471,
"description" : "sum of:",
"details" : [
{
"value" : 0.6931471,
"description" : "weight(title:brown in 0) [PerFieldSimilarity], result of:",
"details" : []
}
]
},
{
"value" : 0.21110919,
"description" : "sum of:",
"details" : [
{
"value" : 0.21110919,
"description" : "weight(body:brown in 0) [PerFieldSimilarity], result of:",
"details" : []
}
]
}
]
}
}
]
}
但是有时候完全取最高的，直接忽略掉其他查询字句的分值，也不是很合理。毕竟优秀的人总是凤毛麟角，普通人的力量也不容小觑，因此我们也要考虑到。ES也为我们提供了一个参数：tie_breaker。他的有效值在0.0-1.0之间的一个浮点数，默认是0.0，如果我们设置了这个字段，那么在算分的时候，首先他会取最高分，然后和所有子查询的得分乘以tie_breaker的值相加，求取一个最终的算分。那么在这个过程中，他给了最高算分和其他子查询算分一个权重，既考虑了极个别优先卓越人物的贡献，也考虑到了人民群众的力量。那么分析了这么多，我们在理解下为什么叫dis_max，dis也就是Disjunction的缩写，有分离，提取的意思，max是最大的意思，因此他就是将组合查询分离成多个子查询，去算分最高的作为最终得分。他是一个帮助我们选取最佳匹配的一种有效手段。
POST /baike/_search
{
"query": {
"dis_max": {
"queries": [
{"match": {"title": "Brown fox"}},
{"match": {"body": "Brown fox"}}
],
"tie_breaker": 0.7
}
}
