ElasticSearch彙總請檢視：ElasticSearch教程——彙總篇

relevance score (相關性分數)

需求：搜尋標題中包含java的帖子，同時呢，如果標題中包含hadoop或elasticsearch就優先搜尋出來，同時呢，如果一個帖子包含java hadoop，一個帖子包含java elasticsearch，包含hadoop的帖子要比elasticsearch優先搜尋出來

知識點，搜尋條件的權重，boost，可以將某個搜尋條件的權重加大，此時當匹配這個搜尋條件和匹配另一個搜尋條件的document，計算relevance score時，匹配權重更大的搜尋條件的document，relevance score會更高，當然也就會優先被返回回來
 

預設情況下，搜尋條件的權重都是一樣的，都是1

GET /forum/article/_search 
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "title": "blog"
          }
        }
      ],
      "should": [
        {
          "match": {
            "title": {
              "query": "java"
            }
          }
        },
        {
          "match": {
            "title": {
              "query": "hadoop"
            }
          }
        },
        {
          "match": {
            "title": {
              "query": "elasticsearch"
            }
          }
        },
        {
          "match": {
            "title": {
              "query": "spark",
              "boost": 5
            }
          }
        }
      ]
    }
  }
}
 

多shard場景下relevance score不準確問題大揭祕

1、如果你的一個index有多個shard的話，可能搜尋結果會不準確

2、如何解決該問題？

（1）生產環境下，資料量大，儘可能實現均勻分配

資料量很大的話，其實一般情況下，在概率學的背景下，es都是在多個shard中均勻路由資料的，路由的時候根據_id，負載均衡
比如說有10個document，title都包含java，一共有5個shard，那麼在概率學的背景下，如果負載均衡的話，其實每個shard都應該有2個doc，title包含java
如果說資料分佈均勻的話，其實就沒有剛才說的那個問題了

（2）測試環境下，將索引的primary shard設定為1個，number_of_shards=1，index settings

如果說只有一個shard，那麼當然，所有的document都在這個shard裡面，就沒有這個問題了

（3）測試環境下，搜尋附帶search_type=dfs_query_then_fetch引數，會將local IDF取出來計算global IDF

計算一個doc的相關度分數的時候，就會將所有shard對的local IDF計算一下，獲取出來，在本地進行global IDF分數的計算，會將所有shard的doc作為上下文來進行計算，也能確保準確性。但是production生產環境下，不推薦這個引數，因為效能很差。