ElasticSearch多字段搜索结果异常，如何优化查询排序？

问题根源分析 #

当前查询的should子句包含四种multi_match类型，但未针对code短缩写的特殊性做权重倾斜，导致跨字段匹配时得分计算不符合预期：

• 搜索Infernoble AMDE时，第二个文档同时命中name和code，但未获得足够高的得分超越仅命中name的第一个文档；
• 搜索Infernoble A时，第三个文档的name包含"A"，但得分超过了仅命中Infernoble的前两个文档，因为没有对完整匹配Infernoble的情况做权重强化。

具体优化方案 #

1. 调整字段映射（可选但推荐） #

给code字段添加keyword子字段，用于精确匹配短缩写，提升精准匹配的得分：

PUT /your_index/_mapping
{
  "properties": {
    "name": {
      "type": "text",
      "analyzer": "standard"
    },
    "code": {
      "type": "text",
      "analyzer": "standard",
      "fields": {
        "keyword": {
          "type": "keyword"
        }
      }
    }
  }
}

2. 重构查询语句 #

通过权重倾斜、多条件分层匹配，以及function_score强化精准匹配的得分：

{
  "function_score": {
    "query": {
      "bool": {
        "should": [
          // 跨字段多词匹配：优先匹配同时命中多个字段的文档，code权重更高
          {
            "multi_match": {
              "query": "<my query term>",
              "fields": ["name", "code^6"],
              "type": "cross_fields",
              "operator": "and"
            }
          },
          // code精确匹配：针对短缩写的精准匹配，权重拉满
          {
            "match": {
              "code.keyword": {
                "query": "<my query term>",
                "boost": 10
              }
            }
          },
          // name短语匹配：保证完整短语的匹配优先级
          {
            "multi_match": {
              "query": "<my query term>",
              "fields": ["name^3"],
              "type": "phrase"
            }
          },
          // 兜底匹配：基础的最佳字段匹配，覆盖单字段部分匹配的情况
          {
            "multi_match": {
              "query": "<my query term>",
              "fields": ["name", "code^4"],
              "type": "best_fields"
            }
          }
        ],
        "minimum_should_match": 1
      }
    },
    "functions": [
      // 对同时命中name和code的文档额外加权，确保排序靠前
      {
        "filter": {
          "bool": {
            "must": [
              {"match": {"name": "<my query term>"}},
              {"match": {"code": "<my query term>"}}
            ]
          }
        },
        "weight": 25
      }
    ],
    "boost_mode": "sum"
  }
}

3. 关键优化点说明 #

• 权重倾斜：给code字段设置更高的boost值（如code^6），因为短缩写的匹配精准度远高于长文本的部分匹配；
• cross_fields+and：确保多词查询时，需要在不同字段中匹配到所有词（如Infernoble AMDE会在name匹配Infernoble，code匹配AMDE），这类文档得分会大幅提升；
• function_score加权：对同时命中name和code的文档额外加权重，直接拉开与单字段匹配文档的得分差距；
• code.keyword精确匹配：针对纯code查询（如直接搜AMDE），精准匹配的得分最高，避免分词干扰。

4. 针对Searchkit的适配 #

在Searchkit中使用MultiMatchQuery时，可通过fields参数指定权重，同时结合FunctionScoreQuery来实现上述逻辑：

// 示例：Searchkit中的查询构建
const query = new FunctionScoreQuery({
  query: new BoolQuery({
    should: [
      new MultiMatchQuery({
        query: searchTerm,
        fields: ['name', 'code^6'],
        type: 'cross_fields',
        operator: 'and'
      }),
      new MatchQuery({
        field: 'code.keyword',
        query: searchTerm,
        boost: 10
      }),
      new MultiMatchQuery({
        query: searchTerm,
        fields: ['name^3'],
        type: 'phrase'
      }),
      new MultiMatchQuery({
        query: searchTerm,
        fields: ['name', 'code^4'],
        type: 'best_fields'
      })
    ]
  }),
  functions: [
    new WeightFunction({
      filter: new BoolQuery({
        must: [
          new MatchQuery({ field: 'name', query: searchTerm }),
          new MatchQuery({ field: 'code', query: searchTerm })
        ]
      }),
      weight: 25
    })
  ],
  boostMode: 'sum'
})

内容的提问来源于stack exchange，提问作者parliament