Elasticsearch 7.6：基于高亮计数与数组元素的最佳匹配排序方案问询

核心思路 #

放弃依赖高亮或全量脚本遍历，改用倒排索引的原生匹配统计能力实现高效评分，同时保留原有的非查询场景加分规则。

一、目录模式（无查询时） #

现有方案可继续沿用，通过function_score结合script_score统计非空数组属性数量：

{
  "query": {
    "function_score": {
      "query": { "match_all": {} },
      "functions": [
        {
          "script_score": {
            "script": {
              "source": """
                int score = 0;
                if (doc['handles'].size() > 0) score++;
                if (doc['summary'].size() > 0) score++;
                if (doc['contact_details'].size() > 0) score++;
                if (doc['motives'].size() > 0) score++;
                if (doc['interests'].size() > 0) score++;
                return score;
              """
            }
          }
        }
      ],
      "boost_mode": "replace"
    }
  }
}

注：无查询时脚本仅执行一次，性能影响可忽略。

二、查询匹配模式（有查询时） #

1. 调整字段映射 #

将5个数组字段设置为text类型并开启term_vector: with_positions_offsets，让Elasticsearch能高效统计字段内匹配词项数量：

PUT /your_index/_mapping
{
  "properties": {
    "handles": {
      "type": "text",
      "term_vector": "with_positions_offsets",
      "analyzer": "keyword"  // 前缀/通配符查询用keyword分析器，避免分词干扰
    },
    "summary": {
      "type": "text",
      "term_vector": "with_positions_offsets",
      "analyzer": "keyword"
    },
    // contact_details、motives、interests字段按相同逻辑配置
  }
}

2. 组合查询+脚本评分实现叠加逻辑 #

通过match_phrase_prefix过滤出命中文档，再用脚本叠加基础分与匹配元素数量得分，避免全量遍历：

{
  "query": {
    "function_score": {
      "query": {
        "bool": {
          "should": [
            {"match_phrase_prefix": {"handles": "ben*"}},
            {"match_phrase_prefix": {"summary": "ben*"}},
            {"match_phrase_prefix": {"contact_details": "ben*"}},
            {"match_phrase_prefix": {"motives": "ben*"}},
            {"match_phrase_prefix": {"interests": "ben*"}}
          ],
          "minimum_should_match": 1
        }
      },
      "functions": [
        {
          "script_score": {
            "script": {
              "source": """
                // 计算基础分：非空数组属性数量
                int baseScore = 0;
                if (doc['handles'].size() > 0) baseScore++;
                if (doc['summary'].size() > 0) baseScore++;
                if (doc['contact_details'].size() > 0) baseScore++;
                if (doc['motives'].size() > 0) baseScore++;
                if (doc['interests'].size() > 0) baseScore++;
                
                // 计算匹配元素数量得分
                int matchCount = 0;
                String prefix = params.queryPrefix;
                for (String field : ['handles', 'summary', 'contact_details', 'motives', 'interests']) {
                  if (params._source[field] != null) {
                    for (String item : params._source[field]) {
                      if (item.startsWith(prefix)) {
                        matchCount++;
                      }
                    }
                  }
                }
                return baseScore + matchCount;
              """,
              "params": {
                "queryPrefix": "ben"  // 外部传入查询前缀，避免硬编码
              }
            }
          }
        }
      ],
      "boost_mode": "replace"
    }
  }
}

3. 性能优化关键点 #

• 先过滤后计算：通过bool查询筛选出命中文档，脚本仅在命中集上执行，而非遍历全200万条数据。
• 用keyword分析器：前缀/通配符查询在keyword字段上可直接利用倒排索引定位，性能远高于分词字段。
• 开启查询缓存：对高频查询启用缓存，减少重复计算开销。

进阶替代方案：预获取词项批量匹配 #

如果查询是固定前缀，可先通过_terms_enumAPI获取所有匹配词项，再用terms查询批量匹配，进一步提升性能：

# 获取handles字段中以ben开头的所有词项
GET /your_index/_terms_enum?field=handles&prefix=ben

将返回的词项传入terms查询，脚本统计每个文档的匹配词项数量，性能比通配符查询更优。

为什么不依赖高亮？ #

高亮属于查询后的渲染逻辑，不属于评分阶段的可访问上下文，强行通过脚本解析高亮结果会导致性能急剧下降，完全不可行。

内容的提问来源于stack exchange，提问作者ben berizovsky