Elasticsearch多匹配查询中如何获取最优匹配字段（不使用EXPLAIN）

要在生产环境稳定获取每个字段的匹配相关性（包括最优匹配字段、各字段得分排序），可采用以下两种方案：

方案一：带命名查询的bool should + script_fields计算单字段得分 #

将原multi_match拆分为bool查询的should子句，每个子句对应单个字段的match查询并添加名称，同时通过script_fields计算每个字段的匹配得分：

GET /_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "subject": {
              "query": "brown fox",
              "_name": "match_subject"
            }
          }
        },
        {
          "match": {
            "message": {
              "query": "brown fox",
              "_name": "match_message"
            }
          }
        }
      ],
      "tie_breaker": 0.3
    }
  },
  "script_fields": {
    "subject_score": {
      "script": {
        "source": "doc['subject'].size() > 0 ? _score(doc, 'subject', params.query) : 0",
        "params": {
          "query": "brown fox"
        }
      }
    },
    "message_score": {
      "script": {
        "source": "doc['message'].size() > 0 ? _score(doc, 'message', params.query) : 0",
        "params": {
          "query": "brown fox"
        }
      }
    }
  }
}

• _name参数会在结果的matched_queries数组中返回匹配的字段查询名称，可快速判断哪些字段存在匹配；
• script_fields中的脚本通过_score函数计算单个字段的BM25得分，和原multi_match的得分逻辑完全一致；
• 从script_fields的结果中可直接对比各字段得分，确定最优匹配字段。

方案二：dis_max查询结合聚合（适用于批量统计场景） #

如果需要批量统计字段匹配情况，可使用dis_max（best_fields本质基于dis_max）配合过滤聚合+top_hits，单文档场景优先选方案一：

GET /_search
{
  "query": {
    "dis_max": {
      "queries": [
        { "match": { "subject": "brown fox" } },
        { "match": { "message": "brown fox" } }
      ],
      "tie_breaker": 0.3
    }
  },
  "aggs": {
    "subject_matches": {
      "filter": { "match": { "subject": "brown fox" } },
      "aggs": {
        "top_subject_hits": {
          "top_hits": {
            "_source": ["subject"],
            "size": 1,
            "script_fields": {
              "subject_score": {
                "script": "_score(doc, 'subject', params.query)",
                "params": { "query": "brown fox" }
              }
            }
          }
        }
      }
    },
    "message_matches": {
      "filter": { "match": { "message": "brown fox" } },
      "aggs": {
        "top_message_hits": {
          "top_hits": {
            "_source": ["message"],
            "size": 1,
            "script_fields": {
              "message_score": {
                "script": "_score(doc, 'message', params.query)",
                "params": { "query": "brown fox" }
              }
            }
          }
        }
      }
    }
  }
}

关键注意点 #

• 两种方案均避开了explain的性能损耗，适合生产环境稳定运行；
• 脚本中的_score函数要求Elasticsearch 7.10及以上版本，低版本可手动用BM25公式编写脚本计算得分；
• 若字段为分词字段，需保证脚本中的查询字符串和主查询使用相同分词器，确保得分计算一致。

内容的提问来源于stack exchange，提问作者Flying Kitty