--- title: "多字段搜索" date: 0001-01-01 description: "在多个字段上组织相关性：bool、dis_max、multi_match（best_fields/most_fields/cross_fields）与 copy_to。" summary: "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。" --- # 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》： ```json 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`： ```json 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`）。 ```json 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： ```json { "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。 ```json 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： ```json { "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。 ```json 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 ```json { "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`）： ```json 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： - [全文检索](./fulltext-search.md) - [邻近匹配](./proximity-matching.md) - [Mapping 模式与最佳实践](../../best-practices/data-modeling/mapping-patterns.md) ## 参考手册（API 与参数） - [multi_match 查询（功能手册）]({{< relref "/docs/features/fulltext-search/full-text/multi-match.md" >}}) - [DisMax / dis_max 查询（功能手册）]({{< relref "docs/features/query-dsl/compound-query/disjunction-max.md" >}}) - [bool 查询（功能手册）]({{< relref "docs/features/query-dsl/compound-query/bool.md" >}})