ElasticSearch 复杂搜索例子：电商商品搜索、文档/文章检索-马育民老师

# 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

```json
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

```json
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：http://malaoshi.top/show_1GW2H25w59B6.html