ElasticSearch 复杂搜索例子：电商商品搜索、文档/文章检索

作者：马育民 • • 阅读：10023

电商商品搜索模板

电商搜索的核心需求是：标题权重最高、支持模糊容错、短语匹配提升精准度。

设计思路

  • 权重分配：title（标题）权重最高（×5），brand（品牌）次之（×3），确保核心信息优先匹配。
  • 多策略组合：用 bool should 组合短语匹配（精准）、普通匹配（召回）、前缀匹配（联想），兼顾精准度和召回率。
  • 容错机制：开启 fuzziness: "AUTO" 允许输入错误（如“Mste60”匹配“Mate60”），prefix_length: 2 保证前2个字符精准，避免过度模糊。

代码

GET /products/_search
{
  "query": {
    "bool": {
      "should": [
        // 1. 短语匹配（高权重）：提升精准短语的优先级
        {
          "multi_match": {
            "query": "华为 Mate60 Pro",
            "fields": ["title^5", "brand^3", "keywords^2"],
            "type": "phrase",
            "slop": 1,
            "boost": 3
          }
        },
        // 2. 普通匹配（中权重）：保证召回率
        {
          "multi_match": {
            "query": "华为 Mate60 Pro",
            "fields": ["title^5", "brand^3", "description^2", "category"],
            "type": "best_fields",
            "operator": "AND",
            "fuzziness": "AUTO",
            "prefix_length": 2
          }
        },
        // 3. 前缀匹配（低权重）：支持搜索框联想
        {
          "multi_match": {
            "query": "华为 Mate60 Pro",
            "fields": ["title^5", "brand^3"],
            "type": "phrase_prefix",
            "max_expansions": 10,
            "boost": 0.5
          }
        }
      ]
    }
  },
  "highlight": {
    "fields": {
      "title": {},
      "description": {}
    }
  }
}

文档/文章检索例子

文档检索的核心需求是：多字段互补匹配、支持跨字段短语、结果相关性优先。

设计思路

  • 类型选择：cross_fields 解决跨字段短语匹配（如“张三 作者”匹配 author:张三 + title:作者）；most_fields 让匹配字段更多的文档得分更高（标题+摘要+标签都匹配的文档更相关）。
  • 过滤+排序：通过 bool must 添加基础过滤条件，排序时结合相关性得分和发布时间，保证结果时效性。

代码

GET /documents/_search
{
  "query": {
    "bool": {
      "must": [
        // 基础条件过滤（如时间、分类）
        {
          "range": {
            "publish_time": {
              "gte": "2023-01-01"
            }
          }
        }
      ],
      "should": [
        // 1. 跨字段短语匹配：适合人名、专有名词等跨字段场景
        {
          "multi_match": {
            "query": "机器学习实战 读书笔记",
            "fields": ["title^4", "author^2", "tags^3", "content"],
            "type": "cross_fields",
            "operator": "AND",
            "boost": 2
          }
        },
        // 2. 多字段互补匹配：匹配字段越多，得分越高
        {
          "multi_match": {
            "query": "机器学习实战 读书笔记",
            "fields": ["title^4", "abstract^3", "content", "tags^3"],
            "type": "most_fields",
            "boost": 1.5
          }
        }
      ]
    }
  },
  "sort": [
    // 按相关性得分+发布时间排序
    {"_score": {"order": "desc"}},
    {"publish_time": {"order": "desc"}}
  ]
}

通用优化建议

  1. 字段权重调整：根据业务数据特点调整 ^N 权重值（如视频平台可提升 video_title 权重，降低 description 权重）。
  2. 模糊匹配控制：对品牌、型号等核心字段，可设置 fuzziness: 0 关闭模糊；对长文本字段开启 AUTO 模糊。
  3. 性能优化：避免在 content 等超大字段上使用 phrase_prefix，可改用 edge_ngram 分词提前构建前缀索引。

总结

  1. 电商搜索：优先使用 phrase 类型保证精准度，结合 best_fields 保证召回，用 fuzziness 容错输入错误。
  2. 文档检索：用 cross_fields 处理跨字段短语，用 most_fields 提升多字段匹配的相关性，结合过滤和排序优化结果。
  3. 权重设计：核心字段（标题、品牌）设置更高权重，确保关键信息对排序的主导作用。

原文出处：/show_1GW2H25w59B6.html

吉ICP备15003043号