多字段搜索

多字段搜索 #

真实的搜索很少是单个字段的 match。更常见的是：

  • 同一条查询要在多个字段上执行（标题/正文/标签）
  • 不同的查询片段要映射到不同字段（标题 vs 作者）
  • 多个字段共同组成一个“实体”（姓名、地址），每个词可能落在不同字段里

难点在于：匹配结果怎么合并、相关性怎么计算。这一页会按权威指南的三种典型场景，给出可直接落地的查询结构。

场景 1：多字符串、多字段（你知道每个词该搜哪个字段） #

例如你要找作者 Leo Tolstoy 写的《War and Peace》：

GET /_search
{
  "query": {
    "bool": {
      "should": [
        { "match": { "title":  "War and Peace" } },
        { "match": { "author": "Leo Tolstoy" } }
      ]
    }
  }
}

bool 查询采用“匹配越多越好”的策略：匹配到更多 should 子句的文档会得到更高 _score。

语句优先级：用 boost 做权重分配 #

当有些子句更重要（例如标题、作者比译者更重要），可以给关键子句加 boost：

GET /_search
{
  "query": {
    "bool": {
      "should": [
        { "match": { "title":  { "query": "War and Peace", "boost": 2 } } },
        { "match": { "author": { "query": "Leo Tolstoy",   "boost": 2 } } },
        {
          "bool": {
            "should": [
              { "match": { "translator": "Constance Garnett" } },
              { "match": { "translator": "Louise Maude" } }
            ]
          }
        }
      ]
    }
  }
}

经验：boost 往往不需要非常大。通常从 1~10 试起，配合真实样本不断调试更可靠。

场景 2：单字符串、多字段（字段彼此“竞争”）：best_fields #

当用户输入的是一个“概念/短语”，并且你希望它尽量在同一个字段里被完整命中（例如：标题或正文之一），这就是 best_fields 场景。

一个典型反例：用 bool/should 直接把 title 与 body 的 match 叠加，可能会把“两个字段都命中一个词”的文档排到“单个字段命中两个词”的文档前面。

解决办法是用 dis_max：返回所有匹配，但把最佳匹配字段的得分作为主得分。

dis_max 与 tie_breaker #

纯 dis_max 只吃“最佳字段”的分数，可能忽略“另一个字段也命中”的价值。可以用 tie_breaker 做折中：

  • 主分数 = 最佳匹配字段的 _score
  • 附加分 = 其他匹配字段 _score * tie_breaker

multi_match：best_fields 的更简洁写法 #

multi_match 会为每个字段生成 match，并按 type 选择合并策略。默认类型就是 best_fields（本质上就是 dis_max）。

GET /_search
{
  "query": {
    "multi_match": {
      "query": "quick brown fox",
      "type": "best_fields",
      "fields": [ "title", "body" ],
      "tie_breaker": 0.3,
      "minimum_should_match": "30%"
    }
  }
}

字段名通配与单字段 boost #

fields 支持通配写法与 ^ 权重语法：

{
  "query": {
    "multi_match": {
      "query": "quick brown fox",
      "fields": [ "*_title", "chapter_title^2" ]
    }
  }
}

场景 3：同一段文本用多种方式索引（“信号叠加”）：most_fields #

为了提高召回与排序质量，一个常见策略是：把同一段文本索引到多个字段，每个字段使用不同分析链：

  • 一个字段更“宽松”（词干、同义词、去音标等）→ 扩大召回
  • 另一些字段更“精确”（原词、shingles 等）→ 提供额外相关性信号

这就是 most_fields：匹配字段越多越好，把各字段的得分合并起来。

GET /_search
{
  "query": {
    "multi_match": {
      "query": "jumping rabbits",
      "type": "most_fields",
      "fields": [ "title", "title.std" ]
    }
  }
}

你可以为“主字段”加大权重，让宽松字段主导召回，而精确字段更多起到“加分信号”的作用：

{
  "query": {
    "multi_match": {
      "query": "jumping rabbits",
      "type": "most_fields",
      "fields": [ "title^10", "title.std" ]
    }
  }
}

most_fields 适合“同一内容、多种分析链”的场景；它并不适合“实体由多个字段拼出来”的场景（见下一节）。

跨字段实体搜索：cross_fields（词中心式） #

对于 person、address 这类实体，用户输入 Peter Smith，词可能分别落在 first_name 与 last_name 字段中。此时用 best_fields（找一个最佳字段）显然不对；用 most_fields（字段中心式）也会带来三个问题（权威指南的总结）：

  • 在多个字段重复命中同一个词，可能比在不同字段命中更多不同词更“高分”
  • operator / minimum_should_match 很难按预期工作（会要求同一个字段里包含所有词）
  • TF/IDF 在不同字段上独立统计，可能导致“名/姓”的常见度被错误放大

cross_fields 使用词中心式逻辑：把多个字段视为一个大字段，对每个词在所有字段里找匹配，并对 IDF 做“混合/融合”（blended）处理。

GET /_search
{
  "query": {
    "multi_match": {
      "query": "peter smith",
      "type": "cross_fields",
      "operator": "and",
      "fields": [ "first_name", "last_name" ]
    }
  }
}

cross_fields 的关键前提：分析器要一致 #

为了让 cross_fields 最优工作，被合并的字段应使用相同的分析器。分析器不同的字段会被分组，并以类似 best_fields 的方式加入结果中，这会影响 operator/minimum_should_match 的语义。

跨字段也可以按字段 boost #

{
  "query": {
    "multi_match": {
      "query": "peter smith",
      "type": "cross_fields",
      "fields": [ "title^2", "description" ]
    }
  }
}

索引时方案：copy_to（自定义“全字段”） #

如果你希望在索引时就把多个字段拼成一个“可搜索的组合字段”，可以用 copy_to（权威指南称为自定义 _all）：

PUT /my_index
{
  "mappings": {
    "properties": {
      "first_name": { "type": "text", "copy_to": "full_name" },
      "last_name":  { "type": "text", "copy_to": "full_name" },
      "full_name":  { "type": "text" }
    }
  }
}

这样你既可以分别搜 first_name / last_name，也可以用 full_name 一把梭做实体搜索。

不要把“精确值字段”混进 multi_match 的全文字段里 #

权威指南强调：把“全文字段”和“精确值字段”混在同一个 multi_match 里通常没意义。

原因是：精确值字段（例如 keyword）不会分词，查询 peter smith 会被当作一个整体去匹配 title:"peter smith"，几乎必然匹配不到。

实践建议：

  • 全文相关：用 text 字段（match / multi_match）
  • 精确过滤/聚合/排序：用 keyword 字段（term/terms、聚合、排序）
  • 若必须混用，通常应拆成 bool：全文部分做 must/should，精确条件做 filter

小结：怎么选？ #

  • 已知“词 → 字段”映射：用 bool 组织多条 match，用 boost 控权重
  • 字段竞争（title vs body）：用 best_fields（dis_max / tie_breaker）
  • 同一内容多分析链（信号叠加）：用 most_fields（multi-fields）
  • 实体跨字段（名/姓、地址分段）：优先 cross_fields 或索引时用 copy_to 组合字段

下一步可以继续阅读：

参考手册（API 与参数） #

©INFINI.LTD, All Rights Reserved.