Elasticsearch查询求助：多字段匹配优先+坐标排序及查询修复

你之前的查询失效大概率是误用了nested类型——你的文档里coord是普通Object字段，根本不需要嵌套查询。下面是完全符合需求的查询写法：

核心逻辑 #

• 优先用文本匹配分排序：通过multi_match同时匹配name和description，还能给name设置更高权重强化优先级
• 再用距离分微调排序：对靠近目标坐标的文档额外加分，但权重低于文本匹配

完整查询代码 #

{
  "query": {
    "function_score": {
      "query": {
        "multi_match": {
          "query": "你的查询关键词",
          "fields": ["name^3", "description"], // name的匹配权重是description的3倍
          "type": "best_fields"
        }
      },
      "functions": [
        {
          "gauss": {
            "coord": {
              "origin": { "lat": 目标纬度值, "lon": 目标经度值 },
              "scale": "5km", // 距离衰减的基准范围，可按需调整
              "decay": 0.6 // 超过scale后分数衰减的速率
            }
          }
        }
      ],
      "boost_mode": "sum", // 文本匹配分 + 距离调整分，保证文本优先级更高
      "score_mode": "sum"
    }
  },
  "_source": ["name", "description", "coord"] // 指定返回需要的字段，减少数据传输
}

关键细节说明 #

1. 为什么不用nested？
   你的coord是普通的键值对Object，只有当字段是嵌套数组时才需要nested查询，用错类型直接会导致匹配失败。
2. 文本匹配的优先级怎么保证？
   multi_match里的^3是权重系数，意味着name的匹配贡献分是description的3倍，再加上boost_mode用sum，文本分作为基础分占比会远高于距离分，自然优先级更高。
3. 距离函数选gauss的原因？
   它是平滑衰减的计算方式，比线性衰减更合理：距离目标点越近加分越多，超过设定的scale范围后分数慢慢降低，不会出现断崖式下跌。
4. 之前用filter的问题？
   filter只负责过滤文档，不会计算相关性分数，如果你把文本匹配放在filter里，等于放弃了文本优先级的排序逻辑，这肯定达不到需求。

内容的提问来源于stack exchange，提问作者MyName