Question

我有一年中任何一季度的指数（“index-2015.1”，“index-2015.2”......）

每个索引上有大约3000万个文档。

文档有一个文本字段（'title'）

我的文档排序方法是（1）_score（2）创建日期

问题是：

在所有索引的“标题”字段上搜索某些文本时（“index-201 *”），第一个结果始终来自一个索引。

让我说如果我正在搜索'title = home'，我在“index-2015.1”上有10k文件，其中title = home，10k文件在“index-2015.2”上，title = home，那么第一个结果就是所有文件从“index-2015.1”（而不是“index-2015.2”，或混合），即使是“index-2015.2”，也有“创建日期”的文件高于“index-2015.1”。

这是有原因的吗？

Answer 1

原因可能是分数是指数的特定分数。因此，如果您确实有多个索引，则每个索引的文档结果分数（略微）会有所不同。

简单地说，匹配文档的分数取决于查询术语及其在索引中的出现次数。分数是根据索引计算的（实际上，默认情况下甚至是每个单独的分片）。弹性搜索有一些标准化，但我不知道那些细节。

我真的不能很好地解释它，但这里有关于得分的文章。我想你至少要阅读关于TF / IDF的部分内容。我认为，应该解释为什么你得到不同的分数。

https://www.elastic.co/guide/en/elasticsearch/guide/current/scoring-theory.html

编辑：

所以，在我的机器上稍微测试之后，似乎可以使用另一个search_type来获得适合你的情况的分数。

POST /index1,index2/_search?search_type=dfs_query_then_fetch
{
    "query" : {
       "match": {
          "title": "home"
       }
    }
}

重要的部分是 search_type = dfs_query_then_fetch 。如果您正在编写java或类似的东西，应该有一种方法在请求中指定它。有关search_types的详细信息，请参阅documentation。

基本上它会首先收集所有受影响的分片（+索引）上的术语频率。因此，应该对所有这些进行推广。

Answer 2

根据Andrei Stefan和Slomo的说法，指数提升解决了我的问题：

   body={ 
       "indices_boost" : { "index-2015.4" : 1.4, "index-2015.3" : 1.3,"index-2015.2" : 1.2 ,"index-2015.1" : 1.1 }
        }

编辑：

使用search_type = dfs_query_then_fetch（如Slomo所述）将以更好的方式解决问题（取决于您的商业模式......）

弹性搜索对多个索引进行评分

2 个答案: