ElasticsearchNotes

第 09 章：全文搜索

zjc 于 2026-01-09 发布

这是《Elasticsearch 零基础实战指南》的独立章节版。本章从概念、实操和生产排查三个视角展开，代码块保留了原书可直接运行的版本。 全文搜索是 Elasticsearch 最核心的能力。它不是简单的字符串包含，而是包括分词、召回、评分、字段权重、短语距离、高亮和多字段组合的完整链路。

本章覆盖 match、operator、phrase、multi-match、高亮、相关性和常见搜索问题。

9.1 match 查询

GET /products/_search
{
  "query": {
    "match": {
      "title": "轻薄笔记本"
    }
  }
}

执行过程：

查询文本 -> search analyzer 分词 -> 多个词项 -> 倒排索引匹配 -> 计算得分 -> 排序返回

如果分词为：

轻薄
笔记本

默认等价于：

轻薄 OR 笔记本

9.2 operator 与 minimum_should_match

要求所有词都匹配：

{
  "match": {
    "title": {
      "query": "轻薄 笔记本",
      "operator": "and"
    }
  }
}

等价于：

轻薄 AND 笔记本

更灵活的匹配比例：

{
  "match": {
    "title": {
      "query": "轻薄 高刷新率 笔记本 16G",
      "minimum_should_match": "75%"
    }
  }
}

选择建议：

场景 建议
搜索召回优先 默认 OR
精确短语类查询 and 或 phrase
长查询多关键词 minimum_should_match
搜索无结果率高 降低匹配门槛或补词表
无关结果多 提高匹配要求或调整字段权重

9.3 match_phrase

短语查询要求词项按顺序且距离接近：

GET /products/_search
{
  "query": {
    "match_phrase": {
      "title": "轻薄笔记本"
    }
  }
}

允许中间插入其他词：

{
  "match_phrase": {
    "title": {
      "query": "轻薄 笔记本",
      "slop": 2
    }
  }
}

slop 是词项移动次数，不是简单“中间允许几个字”。值越大召回越多，但也更容易误召回。

适合：

不适合作为泛搜索的唯一查询，召回会偏少。

9.4 match_phrase_prefix

最后一个词按前缀匹配：

{
  "match_phrase_prefix": {
    "title": "Elasticsearch sea"
  }
}

适合输入框即时搜索，但性能不如专门的 edge_ngram 或 completion suggester。生产搜索建议将补全索引与主搜索索引分开设计。

9.5 multi_match

多字段搜索：

GET /products/_search
{
  "query": {
    "multi_match": {
      "query": "轻薄笔记本",
      "fields": ["title^3", "brand^2", "category", "description"],
      "type": "best_fields"
    }
  }
}

^3 表示字段权重提升。

常用类型：

type 行为 适用
best_fields 取最佳字段得分 标题、描述等字段竞争
most_fields 多字段得分相加 多分词器、多语言召回
cross_fields 跨字段匹配同一组词 姓名、地址拆字段
phrase 多字段短语匹配 精确组合
phrase_prefix 多字段前缀短语 搜索补全

best_fields

{
  "multi_match": {
    "query": "笔记本",
    "fields": ["title", "description"],
    "type": "best_fields",
    "tie_breaker": 0.3
  }
}

tie_breaker 会把其他匹配字段得分按比例并入总分，避免只看单一字段。

cross_fields

适合：

first_name = Tom
last_name = Smith
查询：Tom Smith

{
  "multi_match": {
    "query": "Tom Smith",
    "fields": ["first_name", "last_name"],
    "type": "cross_fields",
    "operator": "and"
  }
}

9.6 query_string 与 simple_query_string

query_string 支持 Lucene 语法：

{
  "query_string": {
    "query": "title:(笔记本 OR 电脑) AND price:[3000 TO 9000]"
  }
}

语法错误会导致查询失败，且暴露给用户有风险。

simple_query_string 更宽容：

{
  "simple_query_string": {
    "query": "笔记本 +轻薄 -二手",
    "fields": ["title", "description"]
  }
}

用户搜索框通常使用 simple_query_string 或程序生成的 bool/multi_match，不直接暴露 query_string。

9.7 高亮

基础高亮：

GET /products/_search
{
  "query": {
    "match": { "title": "笔记本" }
  },
  "highlight": {
    "fields": {
      "title": {}
    }
  }
}

自定义标签：

{
  "highlight": {
    "pre_tags": ["<em class='highlight'>"],
    "post_tags": ["</em>"],
    "fields": {
      "title": {},
      "description": { "fragment_size": 120, "number_of_fragments": 2 }
    }
  }
}

参数：

参数 说明
fragment_size 片段长度
number_of_fragments 返回片段数
pre_tags 前标签
post_tags 后标签
require_field_match 是否要求字段匹配才高亮

高亮会带来额外 CPU 和内存开销，长文本应限制片段数量和长度。

9.8 相关性基础

默认打分算法是 BM25，核心因素：

  1. 词项频率 TF：词在文档中出现越多，越相关；
  2. 逆向文档频率 IDF：词越罕见，权重越高；
  3. 字段长度归一化：同样匹配下，短字段通常更重要；
  4. 查询词项权重；
  5. 字段 boost；
  6. 查询结构。

查看得分解释：

GET /products/_explain/10001
{
  "query": {
    "match": { "title": "笔记本" }
  }
}

常见问题：

现象 可能原因
热门商品排后 BM25 只看文本，不理解销量
长标题排后 字段长度归一化
常见词权重过高 词表或停用词不合理
品牌不优先 字段权重未设置
结果不稳定 分数相同缺少第二排序键

业务排序不能完全依赖默认 BM25，通常需要结合销量、库存、新品、转化率、业务权重和人工规则。

9.9 字段权重设计

{
  "multi_match": {
    "query": "Nova 笔记本",
    "fields": [
      "title^4",
      "brand^3",
      "category^2",
      "tags^2",
      "description"
    ],
    "type": "best_fields"
  }
}

权重不是越大越好。过大的 boost 会让文本分数淹没业务分数，建议从 1、2、3 这类小值开始，用真实查询集评估。

9.10 搜索无结果排查

排查步骤：

1. 确认文档存在：GET by id
2. 确认索引和别名正确
3. 检查 refresh 时间
4. 检查 Mapping 类型
5. _analyze 写入分词
6. _analyze 搜索分词
7. 用 match 验证文本召回
8. 用 term 验证 keyword 过滤
9. 检查 bool 是否互相矛盾
10. 检查权限过滤和软删除条件

常见根因：

  1. text 使用 term；
  2. keyword 大小写不一致；
  3. 分词器没有业务词；
  4. filter 条件冲突；
  5. 文档尚未 refresh；
  6. 索引切换后别名错误；
  7. 数据同步失败；
  8. nested 查询结构错误。

9.11 召回率与精确率

指标 含义 提升方式
召回率 应该返回的结果中被召回比例 同义词、多字段、多分词、降低匹配门槛
精确率 返回结果中相关结果比例 字段权重、短语查询、过滤、重排

搜索优化通常是两者权衡：

宽召回 -> 粗排序 -> 业务过滤 -> 精排/重排 -> 返回

不要只看某几个关键词的手工结果，应建立查询样本集和标注数据。

9.12 搜索日志埋点

推荐记录：

{
  "trace_id": "abc",
  "query_id": "q-10001",
  "user_id": "u8888",
  "keyword": "轻薄笔记本",
  "filters": { "brand": ["NOVA"], "price": [3000, 9000] },
  "took_ms": 35,
  "total_hits": 123,
  "returned": 20,
  "es_indices": ["products_v2"],
  "request_json": {},
  "created_at": "2026-08-25T10:00:00Z"
}

用于：

  1. 慢查询分析；
  2. 无结果查询统计；
  3. 热门查询词治理；
  4. 相关性评估；
  5. 搜索效果迭代。

9.13 本章小结

9.14 思考题

  1. match 和 term 的本质区别是什么？
  2. 什么场景用 operator=and，什么场景用 minimum_should_match？
  3. best_fields 和 most_fields 的差异是什么？
  4. 为什么商品搜索不能只按 BM25 排序？
  5. 搜索无结果时，你的排查清单是什么？