因為 elasticsearch 要打很多字，寫文苦手如我決定縮寫它，所以會用 ES 代稱。

今天來說明一下 boolean search；前幾篇的 search query 都只有一個條件，當有多於一個條件的時候，就可以使用 Boolean search 把不同的 query 組合起來。

Boolean query 裡面可由四種不同的子句組成，分別是 must 、 filter 、 must_not 、 should ，使用起來會是這樣（從官網抄來的 query）：

POST _search
{
  "query": {
    "bool" : {
      "must" : {
        "term" : { "user.id" : "kimchy" }
      },
      "filter": {
        "term" : { "tags" : "production" }
      },
      "must_not" : {
        "range" : {
          "age" : { "gte" : 10, "lte" : 20 }
        }
      },
      "should" : [
        { "term" : { "tags" : "env1" } },
        { "term" : { "tags" : "deployed" } }
      ],
      "minimum_should_match" : 1,
      "boost" : 1.0
    }
  }
}

其中 must 和 must_not 蠻好理解的，就是要不要包含這個條件的資料（doc），那為什麼還需要 filter 和 should 呢？

filter 和 should 都是正向表列的；也就是要找出條件是成立的文件， 兩者跟 must 的差別是 filter 不計分、 should 計分但不包含這個條件也沒關係，也就是如果有就加分，沒有也沒關係的意思；另外 must 內如果有多個條件，則是 and 的關係，而 should 內如果有郭的條件，會是 or 的關係。

這邊講的計分是什麼意思呢？

大家應該有注意到在搜尋的結果中，都會有一個欄位是 _score ，判斷這個文件與搜尋字詞的相關性、重要性；在全文搜索中，計分的方式是 boost * tf-idf ， tf-idf 是一個文本處理中計算 token 重要性的指標，這邊不細講指標的計算，但這個指標在 token 出現在一個文本的數量呈正比，同時跟這個 token 出現在全部文本中的數量呈反比。

用白話文一點解釋是這樣的：今天只考量一個文本，一個 token 在一個文本中出現的次數越多，我們會覺得這個 token 的意思跟整個文本的整體會有很強的相關：假設一篇文章出現了很多次 elasticsearch，那我們應該會認為這篇文章內容應該跟 elasticsearch 很有相關，在搜尋這個 token 的時候，這篇文章應該要被放在最前面。但我們應該要同時考量這個 token 出現在全部文本的次數，如果這個字總體而言使用頻率很高，那在單一篇文章中出現很多次也不是什麼特別的事，相關性分數就會低一點。

如果你想知道 ES 到底是怎麼算出分數的，可以使用 explain api，它會告訴妳每一個分數的計算過程，使用方式如下：

GET /<index_name>/_explain/<doc_id>
{
<你想要執行的 query >
}

那計分方式中的 boost 又是什麼呢？

boost 是一個常數，預設為 1，可以想像為對比度；因為 tf-idf 算出來是一個浮點數，假設今天文本的分數差異很小，可以用 boost 來調整差異。

minimum_should_match 則是設定 should 的條件如果有多個，最少要 match 幾個，如果 boolean query 內只有一個 should 子句，則這個參數的預設值是 1 反之是 0。

search query 內還有一個 geo query，因為後續 auto-complete 不會使用到，這邊就先跳過了，如果有興趣可以參考官網文件。

下一篇，我們要開始踏入真實世界，並且試著實作 auto-complete 了。