25、ElasticSearch 7.x 近似匹配、混合使用ma
主要内容：近似匹配、混合使用match和近似匹配、rescoring机制
1、近似匹配
1.1、match_phrase 短语查询
phrase match，就是要去将多个term作为一个短语，一起去搜索，只有包含这个短语的doc才会作为结果返回。
match_phrase语法
//将一个doc的content设置为恰巧包含java spark这个短语.
GET /forum/_search
{
"query": {
"match_phrase": {
"content": "java spark"
}
}
}
只有包含java spark这个短语的doc才返回了，只包含java的doc不会返回
1.2、 基于slop参数实现近似匹配
实战演练
GET /forum/_search
{
"query": {
"match_phrase": {
"title": {
"query": "elasticsearch hadoop",
"slop": 1
}
}
}
}
slop的含义是什么？
slop的含义，：一个query string terms，最多可以移动几次去尝试跟一个doc匹配上
实验验证slop的含义
GET /forum/_search
{
"query": {
"match_phrase": {
"title": {
"query": "java spark",
"slop": 3
}
}
}
}
<u>spark</u> is best big <u>data</u>
spark data（data右移三次才会匹配）
案例02：
data spark 匹配 spark is best big data
data（右移四次）+spark（左移一次）=共5次
GET /forum/_search
{
"query": {
"match_phrase": {
"content": {
"query": "data spark",
"slop": 5
}
}
}
}
slop搜索下，关键词离的越近，relevance score就会越高。
加了slop的phrase match，就是proximity match，近似匹配
2、混合使用match和近似匹配实现召回率与精准度的平衡
召回率 recall 与 精准度 precision的基本概念：
比如你搜索一个java spark，总共有100个doc，能返回多少个doc作为结果，就是召回率
比如你搜索一个java spark，能不能尽可能让包含java spark，或者是java和spark离的很近的doc，排在最前面，这就是精准度。
近似匹配的时候，召回率比较低，精准度太高了
但是有时可能我们希望的是匹配到几个term中的部分，就可以作为结果出来，这样可以提高召回率。同时我们也希望用上match_phrase根据距离提升分数的功能，让几个term距离越近分数就越高，优先返回
就是优先满足召回率，意思，java spark，包含java的也返回，包含spark的也返回，包含java和spark的也返回；同时兼顾精准度，就是包含java和spark，同时java和spark离的越近的doc排在最前面
此时可以用bool组合match query和match_phrase query一起，来实现上述效果
GET /forum/_search
{
"query": {
"bool": {
"must": {
"match": {
"title": {
"query": "java spark" #返回所有java spark的结果，但不能区分java和spark的距离
}
}
},
"should": {
"match_phrase": {
"title": {
"query": "java spark", #在slop以内，增加匹配doc的relevance score
"slop": 50
}
}
}
}
}
}
查询示例02：
GET /forum/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"content": "java spark"
}
}
],
"should": [
{
"match_phrase": {
"content": {
"query": "java spark",
"slop": 50
}
}
}
]
}
}
}
3、使用rescoring机制优化近似匹配搜索的性能
3.1、match和phrase match(proximity match)
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。
但是别太担心，因为es的性能一般都在毫秒级别，match query一般就在几毫秒，或者几十毫秒，而phrase match和proximity match的性能在几十毫秒到几百毫秒之间，所以也是可以接受的。
优化proximity match的性能，一般就是减少要进行proximity match搜索的document数量。主要思路就是，用match query先过滤出需要的数据，然后再用proximity match来根据term距离提高doc的分数，同时proximity match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（重打分），重计分。因为一般用户会分页查询，只会看到前几页的数据，所以不需要对所有结果进行proximity match操作。
用我们刚才的说法，match + proximity match同时实现召回率和精准度
默认情况下，match也许匹配了1000个doc，proximity match全都需要对每个doc进行一遍运算，判断能否slop移动匹配上，然后去贡献自己的分数
但是很多情况下，match出来也许1000个doc，其实用户大部分情况下是分页查询的，所以可能最多只会看前几页，比如一页是10条，最多也许就看5页，就是50条
proximity match只要对前50个doc进行slop移动去匹配，去贡献自己的分数即可，不需要对全部1000个doc都去a进行计算和贡献分数
match：1000个doc，其实这时候每个doc都有一个分数了; proximity match，前50个doc，进行rescore，重打分，即可; 让前50个doc，term举例越近的，排在越前面
GET /forum/_search
{
"query": {
"match": {
"content": "java spark"
}
},
"rescore": {
"window_size": 50, ##对前50个打分
"query": {
"rescore_query": {
"match_phrase": {
"content": {
"query": "java spark",
"slop": 50
}
}
}
}
}
}
