Elasticsearch同分片相同结构文档match查询评分差异问题

开发者阿泽

2026-9-10

问题背景

在Elasticsearch中创建test索引，写入4条文档，写入命令如下：

PUT test/_doc/1
{
  "tag" : "prove"
}

PUT test/_doc/2
{
  "tag" : "prove"
}

PUT test/_doc/3
{
  "tag" : "freckle"
}

PUT test/_doc/4
{
  "tag" : "freckle"
}

执行查询检索tag字段匹配prove或freckle的文档，预期4条文档全部命中，查询语句如下：

GET test/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "tag": "prove freckle"
          }
        }
      ]
    }
  }
}

查询实际返回4条命中结果，但不同标签的文档评分存在明显差异，返回结果如下：

{
  "took" : 950,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : 0.87546873,
    "hits" : [
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 0.87546873,
        "_source" : {
          "tag" : "freckle"
        }
      },
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "4",
        "_score" : 0.87546873,
        "_source" : {
          "tag" : "freckle"
        }
      },
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.53899646,
        "_source" : {
          "tag" : "prove"
        }
      },
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.53899646,
        "_source" : {
          "tag" : "prove"
        }
      }
    ]
  }
}

核心疑问

所有文档均匹配查询条件，且存储在同一个分片上，所有文档仅包含tag字段、结构和数据属性完全一致，为何最终返回结果中评分存在明显差异？
为什么携带freckle标签的文档评分高于携带prove标签的文档？

答案

评分差异由Elasticsearch默认的BM25相关性算分规则导致，和词项的语义、字符长度没有任何关系。
BM25算分的核心权重项是逆文档频率（IDF）：一个词项在索引统计范围内出现的文档数越少（稀有度越高），IDF值越高，匹配该词项的文档获得的基础得分就越高。
你看到的分值完全符合BM25的计算逻辑：

freckle对应的0.87546873分，正好是总文档数统计值为5、词项文档频率为2时的单词语句得分；prove对应的0.53899646分，正好是总文档数统计值为5、词项文档频率为3时的单词语句得分。
出现统计值和实际写入4条文档、每个词各出现在2条文档的认知偏差，核心原因是Elasticsearch底层Lucene的段存储机制：如果测试过程中重复执行过同ID的prove文档写入请求（比如重复提交了id=1或id=2的写入命令），旧版本的文档会被标记为删除，但不会立刻从磁盘段中物理清除。段合并触发前，IDF统计会把这部分标记删除的文档计入总文档数和词项文档频率，最终导致两个词的IDF出现差异。等索引触发段合并、标记删除的文档被彻底清理后，两个词的文档频率会回归一致，同结构文档的得分也会完全相同。

补充两个容易混淆的逻辑点：

本次使用的match查询默认采用OR匹配逻辑，只要命中prove、freckle任意一个词就会满足查询条件，每个文档只会累加自身匹配到的单个词的得分，不存在两个词得分叠加的情况。
所有文档的tag字段都只有1个词，字段长度完全一致，BM25的词频归一化、字段长度归一化项对两个词的权重影响完全相同，不会造成得分差异。

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