elasticsearch：近似匹配、短语匹配及优化——笔记

短语匹配：

phrase match：多个term作为一个单位，作为搜索条件

GET /forum/article/_search
{
  "query": {
    "match_phrase": {
      "title":{ 
        "query": "java spark",
        "slop":3

      }
    }
  }
}

slop：term的移动次数，可反向移（内部机制吧）
关键词靠的越近打分越高——近似匹配proximity_match
    召回率比较低，要求精确度

分词后的position

GET _analyze
{
  "text":"hello world ,java spark",
  "analyzer":"standard"
}

match和phrase match(proximity match)区别

match
只要简单的匹配到了一个term，就可以将term对应的doc作为结果返回，扫描倒排索引，扫描到了就ok

phrase match
首先扫描到所有term的doc list; 找到包含所有term的doc list; 然后对每个doc都计算每个term的position，是否符合指定的范围; slop，需要进行复杂的运算，来判断能否通过slop移动，匹配一个doc

match query的性能比phrase match和proximity match（有slop）要高很多。
因为后两者都要计算position的距离：
match query比phrase match的性能要高10倍，比proximity match的性能要高20倍。

优化

用match query先过滤出需要的数据，然后再用proximity match或短语匹配来根据term距离提高doc的分数，同匹配只针对每个shard的分数排名前n个doc起作用，来重新调整它们的分数，这个过程称之为rescoring，重计分。
如下：先用match在提取前50个结果再次进行proximity match

GET /forum/article/_search
{
  "query": {
    "match": {
      "content": "java spark"
    }
  },
  "rescore":{
    "window_size":50,
    "query":{
      "rescore_query":{
        "match_phrase":{
          "content":{
            "query":"java spark",
            "slop":50
          }
        }
      }
    }
  }
}