Elasticsearch fuzziness设为4无结果及slop参数含义咨询

基础环境与复现信息 #

• 使用版本：Elasticsearch 7.6.2
• 索引mapping配置：

"mappings": {
    "properties": {
        "content": {"type": "text"}
    }
}

• 索引内写入的3条文档：
  1. michael jordan and scottie pippen - NBA is a professional basketball league in North America.
  2. michael jordan and scottie pippen - National Basketball Association
  3. michael jordan and scottie pippen
• 执行的查询语句：

"query":{
    "bool":{
        "must":[
            {
                "span_near":{
                    "clauses":[
                        {
                            "span_multi":{
                                "match":{
                                    "fuzzy":{
                                        "content":{
                                            "value":"hael",
                                            "fuzziness":4
                                        }
                                    }
                                }
                            }                           
                        }
                    ],
                    "slop":1,
                    "in_order": "true"
                }
            }
        ]
    }
}

• 异常表现：查询返回0条匹配结果

问题1：fuzziness设为4仍无法匹配"michael"的原因 #

Elasticsearch的fuzzy查询对允许的最大编辑距离有硬限制，无论手动将fuzziness设置为多大，实际生效的编辑距离上限永远不会超过2，具体规则为：

• 词长度为1-2时，最大允许编辑距离为0（完全匹配）
• 词长度为3-5时，最大允许编辑距离为1
• 词长度大于5时，最大允许编辑距离为2

你输入的查询词hael长度为4，就算手动配置fuzziness=4，实际生效的最大允许编辑距离只有1。hael要匹配文档中的michael，需要在词首补全m、i、c三个字符，实际编辑距离为3，远大于允许的最大值，自然无法命中。
这个硬限制是ES为了避免模糊查询匹配结果过于发散、查询性能雪崩做的设计，即使用span_multi包装fuzzy查询也不会突破该规则。

问题2：span_near中slop参数的含义与当前不生效的原因 #

slop参数的作用是：当span_near包含2个及以上clause子句时，定义多个子句匹配到的词项之间，允许间隔的最大其他词数量，配合in_order参数可以控制是否要求词项顺序和clauses配置顺序一致。

你当前的span_near查询的clauses数组里只有1个fuzzy查询子句，不存在多个词项的位置间隔校验逻辑，slop参数根本不会参与查询计算，自然看起来没有任何作用。
举个实际使用示例：如果clauses里配置两个子句分别匹配michael和pippen，slop设为0时，只有两个词相邻、顺序符合in_order要求才会命中；slop设为2时，两个词中间最多隔2个其他词（比如中间隔了jordan、and两个词）也能命中。

内容的提问来源于stack exchange，提问作者user3668129