5.3、boost权重控制
搜索document中remark字段中包含java的数据，如果remark中包含developer
或architect，则包含architect的document优先显示。（就是将architect数据匹
配时的相关度分数增加）。
一般用于搜索时相关度排序使用。如：电商中的综合排序。将一个商品的销
量，广告投放，评价值，库存，单价比较综合排序。在上述的排序元素中，广告投
放权重最高，库存权重最低。
GET /es_db/_search { "query":{ "bool":{ "must":[ { "match":{ "remark":"java" } } ], "should":[ { "match":{ "remark":{ "query":"developer", "boost":1 } } }, { "match":{ "remark":{ "query":"architect", "boost":3 } } } ] } } }
5.4、基于dis_max实现best fields策略进行多字段搜索
best fields策略： 搜索的document中的某一个field，尽可能多的匹配搜索条件。与之相反的是，尽可能多的字段匹配到搜索条件（most fields策略）。如百度搜索使用这种策略。
优点：精确匹配的数据可以尽可能的排列在最前端，且可以通过 minimum_should_match来去除长尾数据，避免长尾数据字段对排序结果的影响。
长尾数据比如说我们搜索4个关键词，但很多文档只匹配1个，也显示出来了，这些文档其实不是我们想要的
缺点：相对排序不均匀。
dis_max语法： 直接获取搜索的多条件中的，单条件query相关度分数最高的数据，以这个数据做相关度排序。
下述的案例中，就是找name字段中rod匹配相关度分数或remark字段中java
developer匹配相关度分数，哪个高，就使用哪一个相关度分数进行结果排序。
GET /es_db/_search { "query": { "dis_max": { "queries": [ { "match": { "name": "rod" } }, { "match": { "remark": "java developer" } } ] } } } # 返回结果 #! Elasticsearch built-in security features are not enabled. Without authentication, your cluster could be accessible to anyone. See https://www.elastic.co/guide/en/elasticsearch/reference/7.15/security-minimal-setup.html to enable security. { "took" : 1, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 4, "relation" : "eq" }, "max_score" : 1.6375021, "hits" : [ { "_index" : "es_db", "_type" : "_doc", "_id" : "3", "_score" : 1.6375021, "_source" : { "name" : "rod", "sex" : 0, "age" : 26, "address" : "广州白云山公园", "remark" : "php developer" } }, { "_index" : "es_db", "_type" : "_doc", "_id" : "1", "_score" : 1.4691012, "_source" : { "name" : "张三", "sex" : 1, "age" : 25, "address" : "广州天河公园", "remark" : "java developer" } }, { "_index" : "es_db", "_type" : "_doc", "_id" : "2", "_score" : 0.5598161, "_source" : { "name" : "李四", "sex" : 1, "age" : 28, "address" : "广州荔湾大厦", "remark" : "java assistant" } }, { "_index" : "es_db", "_type" : "_doc", "_id" : "5", "_score" : 0.46919835, "_source" : { "name" : "小明", "sex" : 0, "age" : 19, "address" : "长沙岳麓山", "remark" : "java architect assistant" } } ] } }
5.5、基于tie_breaker参数优化dis_max搜索效果
dis_max是将多个搜索query条件中相关度分数最高的用于结果排序，忽略其他 query分数，在某些情况下，可能还需要其他query条件中的相关度介入最终的结果排序，这个时候可以使用tie_breaker参数来优化dis_max搜索。
tie_breaker参数代表的含义是：将其他query搜索条件的相关度分数乘以参数值，再参与到结果排序中。如果不定义此参数，相当于参数值为0。所以其他query条件的相关度分数被忽略。
GET /es_db/_search { "query": { "dis_max": { "queries": [ { "match": { "name": "rod" } }, { "match": { "remark": "java developer" } } ], "tie_breaker":0.5 } } }
5.6、使用multi_match简化dis_max+tie_breaker
ES中相同结果的搜索也可以使用不同的语法语句来实现。不需要特别关注，只要能够实现搜索，就是完成任务！
如：
GET /es_db/_search { "query":{ "dis_max":{ "queries":[ { "match":{ "name":"rod" } }, { "match":{ "remark":{ "query":"javadeveloper", "boost":2, "minimum_should_match":2 } } } ], "tie_breaker":0.5 } } } # 返回结果 #! Elasticsearch built-in security features are not enabled. Without authentication, your cluster could be accessible to anyone. See https://www.elastic.co/guide/en/elasticsearch/reference/7.15/security-minimal-setup.html to enable security. { "took" : 0, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 1.6375021, "hits" : [ { "_index" : "es_db", "_type" : "_doc", "_id" : "3", "_score" : 1.6375021, "_source" : { "name" : "rod", "sex" : 0, "age" : 26, "address" : "广州白云山公园", "remark" : "php developer" } } ] } } #使用multi_match语法为：其中type常用的有best_fields和most_fields。^n代表权重，相当于"boost":n。 GET /es_db/_search { "query":{ "multi_match":{ "query": "rod java developer", "fields": ["name","remark^2"], "type": "best_fields", "tie_breaker": 0.5, "minimum_should_match": "50%" } } }
5.7、cross fields搜索
cross fields ： 一个唯一的标识，分部在多个fields中，使用这种唯一标识
搜索数据就称为cross fields搜索。如：人名可以分为姓和名，地址可以分为省、
市、区县、街道等。那么使用人名或地址来搜索document，就称为cross fields搜
索。
实现这种搜索，一般都是使用most fields搜索策略。因为这就不是一个field
的问题。
**Cross fields搜索策略，是从多个字段中搜索条件数据。默认情况下，和most **
**fields搜索的逻辑是一致的，计算相关度分数是和best fields策略一致的。一般 **
**来说，如果使用cross fields搜索策略，那么都会携带一个额外的参数operator。 **
**用来标记搜索条件如何在多个字段中匹配。 **
当然，在ES中也有cross fields搜索策略。具体语法如下：
GET /es_db/_search { "query": { "multi_match": { "query": "java developer", "fields": ["name", "remark"], "type": "cross_fields", "operator" : "and" } } }
上述语法代表的是，搜索条件中的java必须在name或remark字段中匹配， developer也必须在name或remark字段中匹配。most field策略问题：most fields策略是尽可能匹配更多的字段，所以会导致 精确搜索结果排序问题。又因为cross fields搜索，不能使用
minimum_should_match来去除长尾数据。
所以在使用most fields和cross fields策略搜索数据的时候，都有不同的缺陷。所以商业项目开发中，都推荐使用best fields策略实现搜索。
5.8、copy_to组合fields
京东中，如果在搜索框中输入“手机”，点击搜索，那么是在商品的类型名称、商品的名称、商品的卖点、商品的描述等字段中，哪一个字段内进行数据的匹配？如果使用某一个字段做搜索不合适，那么使用_all做搜索是否合适？也不合适，因为_all字段中可能包含图片，价格等字段。假设，有一个字段，其中的内容包括(但不限于)：商品类型名称、商品名称、 商品卖点等字段的数据内容。是否可以在这个特殊的字段上进行数据搜索匹配？
{ "category_name" : "手机", "product_name" : "一加6T手机", "price" : 568800, "sell_point" : "国产最好的Android手机", "tags": ["8G+128G", "256G可扩展"], "color" : "红色", "keyword" : "手机 一加6T手机 国产最好的Android手机" }
copy_to : 就是将多个字段，复制到一个字段中，实现一个多字段组合。copy_to 可以解决cross fields搜索问题，在商业项目中，也用于解决搜索条件默认字段问题。
如果需要使用copy_to语法，则需要在定义index的时候，手工指定mapping映射策略。
copy_to语法：
PUT /es_db/_mapping { "properties": { "provice" : { "type": "text", "analyzer": "standard", "copy_to": "address" }, "city" : { "type": "text", "analyzer": "standard", "copy_to": "address" }, "street" : { "type": "text", "analyzer": "standard", "copy_to": "address" }, "address" : { "type": "text", "analyzer": "standard" } } }
上述的mapping定义中，是新增了4个字段，分别是provice、city、street、 address，其中provice、city、street三个字段的值，会自动复制到address字段中，实现一个字段的组合。那么在搜索地址的时候，就可以在address字段中做条件匹配，从而避免most fields策略导致的问题。在维护数据的时候，不需对address字段特殊的维护。因address字段是一个组合字段，是由ES自动维护的。
类似java代码中的推导属性。在存储的时候，未必存在，但是在逻辑上是一定存在的，因为address是由3个物理存在的属性province、city、street组成的。
5.9、近似匹配
前文都是精确匹配。如doc中有数据java assistant，那么搜索jave是搜索不到数据的。因为jave单词在doc中是不存在的。
如果搜索的语法是：
GET _search { "query" : { "match" : { "name" : "jave" } } }
如果需要的结果是有特殊要求，如：hello world必须是一个完整的短语，不可分割；或document中的field内，包含的hello和world单词，且两个单词之间离的越近，相关度分数越高。那么这种特殊要求的搜索就是近似搜索。包括hell搜索条件在hello world数据中搜索，包括h搜索提示等都数据近似搜索的一部分。
如何上述特殊要求的搜索，使用match搜索语法就无法实现了。
5.10、match phrase
短语搜索。**就是搜索条件不分词。代表搜索条件不可分割。 **
如果hello world是一个不可分割的短语，我们可以使用前文学过的短语搜索
match phrase来实现。语法如下：
GET _search { "query": { "match_phrase": { "remark": "java assistant" } } }
**-1)、 match phrase原理 -- term position **
ES是如何实现match phrase短语搜索的？其实在ES中，使用match phrase做搜索的时候，也是和match类似，首先对搜索条件进行分词-analyze。将搜索条件拆分成hello和world。既然是分词后再搜索，ES是如何实现短语搜索的？
这里涉及到了倒排索引的建立过程。在倒排索引建立的时候，ES会先对document数据进行分词，如：
GET _analyze { "text": "hello world, java spark", "analyzer": "standard" }
