Day 26 Elasticsearch - 如何一次搜尋多個欄位

15th鐵人賽 elasticsearch

Robert Chang

2023-10-11 00:30:40

537 瀏覽

分享至

該文章同步發佈於：我的部落格

也歡迎關注我的 Facebook 以及 Instagram 接收軟體相關的資訊！

在全文搜尋的文章中，我們只有介紹了使用 match 來進行搜尋。

但其實 Elasticsearch ( 以下簡稱 ES ) 還支援同時搜尋多個欄位的功能，有幾種方式可以做到這樣的效果，其中一個就是使用 multi_match 的搜尋條件。

Multi Match

使用起來其實非常直覺，如下面的示範：

// GET /movies/_search
{
  "query": {
    "multi_match": {
      "query": "Horror",
      "fields": ["genres", "title"]
    }
  }
}

結果如下圖：

非常不意外的，genres 以及 title 內含有 Horror 的資料都會被返回在結果之中。

但這邊我們希望可以讓更多 title 中含有 Horror 的資料排名往前，也就是我們希望可以 boost 一下這個 title 的欄位，我們希望它變得更重要，我們可以怎麼做呢？

透過在欄位後方加入 ^2 的方式，當然你要 ^3 也可以。

// GET /movies/_search
{
  "query": {
    "multi_match": {
      "query": "Horror",
      "fields": ["genres", "title^2"]
    }
  }
}

接著再次搜尋，可以看到第一個原本只有 7 分相關的資料，馬上變成 14 分，是因為我們把 title 這個欄位的權重給提高了。

大概可以猜到 ^2 就是乘以 2 的概念。

Multi Match 是怎麼運作的？

其實在 ES 的內部，可以簡單地想像它把剛剛我們搜尋的內容拆解成兩個部分：

{
  "query": {
    "match": {
      "genres": "Horror",
    }
  }
}

// 以及

{
  "query": {
    "match": {
      "title": "Horror",
    }
  }
}

所以得出的結果是 OR 而不是 AND 也是很正確的，這部分可以透過 operator 的方式去調整，我們有在全文搜尋中介紹過。

而 ES 是如何在這麼多的資料中排名分數的呢？以預設的狀況下，ES 採用的是 best_fields 的策略，也就是找到所有資料，並且以分數最高的那個欄位作為該 document 的 _score。

以三份 documents 來舉例，7.16 是第一份 document 的最高分，就會是這份 document 的 _score，以此類推：

// document #1
{
  "title": "The Amityville Horror", // 7.164084
  "genres": ["Horror", "Supernatural"] // 5.123333
}

// document #2
{
  "title": "Book of Shadows: Blair Witch 2", // N/A
  "genres": ["Horror"] // 3.0575924
}

// document #3
{
  "title": "Dracula 2000", // N/A
  "genres": ["Horror"] // 3.0575924
}

所以如果你也跑一次相同的搜尋，你會看到最高分就是 7.164084，而後面的資料都是相同的分數，是因為 genres 內只含有 Horror 這個單字的資料都是 3.0575924 這個分數。

再次說明這樣的取分排名方式，是預設的 best_fields，ES 有提供很多不一樣的策略，讓開發者可以根據需求去更改搜尋的策略。

Multi Match Query 的 types，官方連結

Tie Breaker

這邊要介紹一種方式，可以把其餘的分數也一起加進來計算的參數，叫做 tie_breaker，這個名詞很常在一些競技比賽中出現，中文叫做『 突破僵局制 』。

而 ES 在這邊要帶進來的概念就是，不要捨棄掉一些也有被計分的欄位，讓它們一起加入計算，並且給予它們權重，可以算是某一種突破僵局，我覺得蠻有趣的，這樣可以進一步地讓資料之間的分數不相同，變相的打破很多資料的分數相同的僵局。

以下是範例：

// GET /movies/_search
{
  "query": {
    "multi_match": {
      "query": "American",
      "fields": ["extract", "title"],
      "tie_breaker": 0.3
    }
  }
}

這樣會怎麼排列資料呢？

以預設情況來說，會找到最高分的欄位，並且當作該 document 的 _score；但加入了 tie_breaker 之後，會加上 extract 欄位的分數乘以 0.3 當作 _score 來計算：

{
  "title": "American Psycho", // 5.39793
  "extract": "American Psycho is a 2000 satirical horror film directed by Mary Harron, who co-wrote the...." // 0.33 * 0.3
}

// 5.39793 + ( 0.33 * 0.3 ) = 5.49793...

所以總分不再是以最高計算，而是會加入其餘欄位的計分乘以 tie_breaker 的參數。

如果你嘗試再跑一次上面的搜尋，沒有 tie_breaker 和帶有 tie_breaker 的搜尋排序結果是不同的，原本第一名的 American Psycho 會被放到後面去，反而被 American Wedding 給取代，這就是因為 American Wedding 的 extract 欄位分數乘以 0.3 之後的表現更好。