1. 基于词项和基于全文的检索

1.1 基于 Term 查询

• Term 是语义的最小单位，Term Level Query 包括了 Term Query / Range Query / Exists Query / Prefix Query /Wildcard Query 等。由 query 嵌套 term 组成。
• 在 es 中的 Term 不会对输入进行分词，而是将输入作为一个整体，在倒排索引中查找准确的词项，并且使⽤相关度算分公式，为每个包含该词项的⽂档进⾏相关度算分。
• 可以通过 Constant Score 将查询转换成一个 Filtering，避免算分，利用了缓存。
• Term 查询不会做分词，如果希望完全匹配，应该用 xxx.keyword 字段来进行查询。
• query 内嵌套 constant_score 和 filter 可以将 Query 转换成 Fileter，忽略 TF-IDF 计算，避免算分性能开销。

1.2 全文查询

• 全文查询包括了 Match Query / Match Phrase Query / Query String Query 等。由 query 嵌套 match 组成。
• 索引和搜索对会进行分词，查询字符串会先传递到一个分词器，然后生成一个可以查询的词项列表。
• 查询时，会先对输入进行分词，然后逐个进行底层查询，最终合并结果，并为每个文档生成一个算分。
• 可以通过 operator 对分词关系进行控制，或者直接使用 + - 符号也一样。
• 可以通过 minimum_should_match 参数控制最小匹配，用 ~ 符号也一样。
• 可以通过 match_phrase 嵌套 slop 允许误差，设置范围。

2. 结构化搜索

• 所谓结构化的数据指日期、布尔、数字，文本也可以是结构化的，比如颜色、标签、标识。
• 结构化数据即有精确的格式，可以逻辑操作，同时有范围课比较。
• 结构话数据可以 Term 查询或 Perfix 前缀查询。
• 结构化的结构只有是或否两个值。
• 在 query 中嵌套 constant_score 和 filter 和 range 可以进行范围查询。gte 是大于等于，lte 是小于等于。
• 在日期的查询中可以使用 now-1y 这样的语法，y 是年，M 是月，w 是周，d 是天，H/h 是小时，m 是分钟，s 是秒。
• 可以通过 constant_score 嵌套 filter 和 exists 来确定非空字段。
• es 中的 Term 查询是包含而不是相等，需要增加一个 count 字段，通过 bool query 进行精确匹配。

3. 搜索的相关性算分

• 相关性是指一个文档和语句的匹配程度，es 5 前使用 TF-IDF，之后使用 BM25。
• Term Frequency 检索词在文档中出现的词频。
• 最简单的方式是将各个词的 TF 相加，需要考虑一些 Stop Word 是否需要算进去。
• Document Frequency 检索词在所有文档中出现的词频。
• Inverse Document Frequency 是 log(全部文档数/检索词出现的文档数)。从 IDF 中可以知道一个词的重要性。
• TF-IDF 算法本质上是 TF 求和变成加权求和。
  • 将各个词的 TF*IDF 相加求和。
• BM25 在 TF 无限增加时，TF-IDF 会不断增加分值，而 BM25 会趋向一个值。
• 在 lucene 中有 boosting 的概念，它也会影响打分，可以在 query 下嵌套 boosting 使用。
  • 当 boosting > 1 时，打分的相关度提升
  • 当 0 < boosting < 1 时，打分相关性下降
  • 当 boosting < 0 时，贡献为负

4. Query & Filtering 与多字符串多字段查询

• 在 es 中有 Query 和 Filter 两种不同的上下文。
  • Query 有相关性算分。
  • Filter 不需要算分。
• bool query 在 query 中嵌套 bool 使用，是一个或多个查询的组合。
  • must 必须满足条件，算分。
  • should 选择性匹配，算分。
  • must_not 必须不能匹配，Filter Context 中不算分。
  • filter 必须匹配，Filter COntext 中不算分。
  • bool 下可以嵌套 must should 等四种等级继续嵌套 bool，这样算分的等级就变了。
  • 同样通过设置 boost 的值也能影响算分的权重。
• 可以在 query 中嵌套 boosting 进行查询，可以指定 positive 项、negative 项，同时可以指定 negative_boost 的值，他们都是在影响 Query 的算分结果，最后得到的排名会有变化。

5. 单字符串多字段查询 Dis Max Query

PUT /blogs/_doc/1
{
    "title": "Quick brown rabbits",
    "body":  "Brown rabbits are commonly seen."
}

PUT /blogs/_doc/2
{
    "title": "Keeping pets healthy",
    "body":  "My quick brown fox eats rabbits on a regular basis."
}

POST /blogs/_search
{
    "query": {
        "bool": {
            "should": [
                { "match": { "title": "Brown fox" }},
                { "match": { "body":  "Brown fox" }}
            ]
        }
    }
}

在上面的例子中，我们希望第二个查询排在第一个之前，但是事实是第一个排在第二个之前。

should 的算分过程：

• 查询 should 语句中的两个查询。
• 对查询评分求和，求和乘以匹配总数，最后除以所有语句数，得到一个平均值。

上面的例子不应该是简单的相加，而是找到最匹配的字段，因此可以使用 Disjunction Max Query，它将查询文档中最高的内容评分作为最终评分。

• 在 query 下嵌套 dis_max 和 queries 组成 Disjunction Max Query。
• 单纯使用 Disjunction Max Query 可能结果总是相同的，因此可以使用 tie_breaker (最好在 0 ~ 1 之间)，它将其他匹配语句的评分与 tie_breaker 相乘，让分数不都相同。

6. 单字符串多字段查询 Multi Match

单字符串多字段查询有三种场景：

• 最佳字段 Best Fields
  • 当字段之间相互竞争，又相互关联时，评分来自最匹配的字段。
• 多数字段 Most Fields
  • 在处理英文内容时，在主字段抽取词干，加入同义词，用以匹配更多的文档。对于相同的文本，加入子字段，以提供更加精确的匹配，其他字段则作为匹配文档提高相关度的信号，匹配字段越多越好。
• 混合字段 Cross Fields
  • 对于某些实体，例如人名、地址、图书信息。需要在多个字段中确认信息，单个字段只能作为整体的一部分，希望在任何这些列出的字段中找到尽可能多的词。

Multi Match Query 在 query 下使用 multi_match 进行声明，其中要说明 type 类型，默认为 Best Fields，同时在 fields 中说明在哪些字段上，tie_breaker 也可以进行指定，而 minimum_should_match 用来说明最小匹配度，说明最小匹配多少个条件。

比如在使用英文分词器进行搜索时，可能两个句子中短的那条容易排在前面，可以通过增加一个字段，使用 standard 分词器，同时在搜索时使用 multi_match 的 most_fields 找内容，在 fields 中可以使用 "title^10","title.std" 来指定权重。

在使用 operator 为 and 的时候往往比较严格，如果用 copy to 处理会需要额外的存储空间，这个时候使用 type 为 cross_fields 就比较好了。

7. 多语言和中文分词与检索

• 当处理语言时，可能搜索和原文不完全匹配，但是希望能够搜索。
  • Quick brown fox 和 Fast brown fox / Jumping fox 和 Jumped foxes 。
• 可用策略：
  • 归一化词元，清除变音符号。
  • 抽取词根，清除单复数和时态。
  • 包含同义词。
  • 拼写错误，处理同音异形词。

8. Space Jam 全文搜索

9. Search Template 和 Index Alias 查询

10. 综合排序 Function Score Query 优化算分

11. Term & Phrase Suggester

12. 自动补全与基于上下文的提示

13. 配置跨集群搜索