如果一個Index有多個shard的話，那麼搜尋的結果可能不太準確。

比如我們在某一個shard中，有很多個document,假設有20個文件的record.desc中包含Premium，當搜尋Premium的請求到達這個shard的時候，會利用TF/IDF計算相關度演算法：

TF: Term Frequency的縮寫，表示該term在當前document出現的頻率

IDF: Inverse Document Frequency縮寫，表示該term在所有文件中出現的頻率

所以根據這個公式我們可以得出一個結論：

如果該term在當前文件出現次數越高，那麼分值越大；如果該term在所有文件出現的頻率越小，那麼分值越大

但是在ElasticSearch中，他計算IDF只是在local shard上計算，不會計算其他的shard上的詞頻，所以這樣就會導致每一個shard上計算掉結果不一樣。

該如何解決呢？

# 生產環境下，資料量大，儘可能實現均勻分配

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

# 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

但是生產不建議開啟，因為效能很差。