Elasticsearch中term与terms查询的评分差异及统一需求

评分差异的核心原因 #

Term和Terms查询的评分计算逻辑天生不同：

• Term查询：默认采用Elasticsearch的标准BM25评分算法（老版本为TF-IDF），评分会随总文档数和匹配当前term的文档数动态变化。
  你遇到的场景正好验证了这点：初始67条文档全是type_id=34，此时BM25的逆文档频率（IDF）趋近于0，最终评分约为1/67；新增大量type_id=35的文档后，总文档数变为2016，而type_id=34的文档数仍为67，IDF大幅提升，所以评分涨到了3.4左右。
• 单值Terms查询：默认采用固定评分逻辑，只要文档匹配数组中的任意值，就返回固定的1.0分。这是因为Terms查询的设计初衷是多值匹配，默认会对每个匹配项的评分求和，但单值场景下就直接返回基准分1.0，不会触发BM25的动态计算。

让两者表现一致的两种方案 #

方案1：让Term查询返回固定评分（对齐Terms查询）

给Term查询套一层constant_score，强制固定评分：

{
    "from": 0,
    "query": {
        "constant_score": {
            "filter": {
                "bool": {
                    "must": [
                        {"term": {"type_id": {"value": 34}}}
                    ]
                }
            },
            "boost": 1.0
        }
    },
    "size": 20
}

这样无论文档总数如何变化，匹配文档的评分都会固定为1.0，和你原来的Terms查询效果完全一致。

方案2：让Terms查询使用动态评分（对齐Term查询）

如果需要Terms查询也采用BM25动态评分，单值场景下直接替换为Term查询即可。若后续需要支持多值匹配，可使用bool的should子句组合多个Term查询，每个Term都会计算BM25评分并求和：

{
    "from": 0,
    "query": {
        "bool": {
            "should": [
                {"term": {"type_id": 34}},
                {"term": {"type_id": 35}} // 新增值直接追加
            ],
            "minimum_should_match": 1
        }
    },
    "size": 20
}

这种方式完全复用Term查询的动态评分逻辑，能保证和单Term查询的评分表现一致。

内容的提问来源于stack exchange，提问作者xrui