我在Elasticsearch上遇到了一些麻烦...我设法在我的机器上创建了一个可复制的示例，代码在文章结尾。
我只创建了6个用户"Roger Sand"，"Roger Gilbert"，"Cindy Sand"，"Cindy Gilbert"，"Jean-Roger Sands"，"Sand Roger"，并按名称对其进行了索引。
然后，我运行查询以匹配“Roger Sand”，并显示关联的分数。
这是同一脚本的执行，带有2组不同的id:84046至84051和84047至84052(仅移位1)。
结果顺序不同，得分也不相同:
执行84046 ... 84051
Sand Roger => 0.8838835
Roger Sand => 0.2712221
Cindy Sand => 0.22097087
Jean-Roger Sands => 0.17677669
Roger Gilbert => 0.028130025
执行84047..84052
Roger Sand => 0.2712221
Sand Roger => 0.2712221
Cindy Sand => 0.22097087
Jean-Roger Sands => 0.17677669
Roger Gilbert => 0.15891947
我的问题是，为什么“id”会对通过“full_name”进行的搜索产生影响？
这是可复制脚本的完整 ruby 代码。
first_id = 84046 # Or 84047
client = Elasticsearch::Client.new(:log => true)
client.transport.reload_connections!
client.indices.delete({:index => 'test'})
client.indices.create({ :index => 'test' })
client.perform_request('POST', 'test/_refresh')
["Roger Sand", "Roger Gilbert", "Cindy Sand", "Cindy Gilbert", "Jean-Roger Sands", "Sand Roger" ].each_with_index do |name, i|
i2 = first_id + i
client.create({
:index => 'test', :type => 'user',
:id => i2,
:body => { :full_name => name }
})
end
query_options = {
:type => 'user', :index => 'test',
:body => {
:query => { :match => { :full_name => "Roger Sand" } }
}
}
client.perform_request('POST', 'test/_refresh')
client.search(query_options)["hits"]["hits"].each do |hit|
$stderr.puts "#{hit["_source"]["full_name"]} => #{hit["_score"]}"
end
这是命令行
curl -XDELETE 'http://localhost:9200/test'
curl -XPUT 'http://localhost:9200/test'
curl -XPOST 'http://localhost:9200/test/_refresh'
curl -XPUT 'http://localhost:9200/test/user/84047?op_type=create' -d '{"full_name":"Roger Sand"}'
curl -XPUT 'http://localhost:9200/test/user/84048?op_type=create' -d '{"full_name":"Roger Gilbert"}'
curl -XPUT 'http://localhost:9200/test/user/84049?op_type=create' -d '{"full_name":"Cindy Sand"}'
curl -XPUT 'http://localhost:9200/test/user/84050?op_type=create' -d '{"full_name":"Cindy Gilbert"}'
curl -XPUT 'http://localhost:9200/test/user/84051?op_type=create' -d '{"full_name":"Jean-Roger Sands"}'
curl -XPUT 'http://localhost:9200/test/user/84052?op_type=create' -d '{"full_name":"Sand Roger"}'
curl -XPOST 'http://localhost:9200/test/_refresh'
curl -XPOST 'http://localhost:9200/test/user/_search?pretty' -d '{"query":{"match":{"full_name":"Roger Sand"}}}'
curl -XDELETE 'http://localhost:9200/test'
curl -XPUT 'http://localhost:9200/test'
curl -XPOST 'http://localhost:9200/test/_refresh'
curl -XPUT 'http://localhost:9200/test/user/84046?op_type=create' -d '{"full_name":"Roger Sand"}'
curl -XPUT 'http://localhost:9200/test/user/84047?op_type=create' -d '{"full_name":"Roger Gilbert"}'
curl -XPUT 'http://localhost:9200/test/user/84048?op_type=create' -d '{"full_name":"Cindy Sand"}'
curl -XPUT 'http://localhost:9200/test/user/84049?op_type=create' -d '{"full_name":"Cindy Gilbert"}'
curl -XPUT 'http://localhost:9200/test/user/84050?op_type=create' -d '{"full_name":"Jean-Roger Sands"}'
curl -XPUT 'http://localhost:9200/test/user/84051?op_type=create' -d '{"full_name":"Sand Roger"}'
curl -XPOST 'http://localhost:9200/test/_refresh'
curl -XPOST 'http://localhost:9200/test/user/_search?pretty' -d '{"query":{"match":{"full_name":"Roger Sand"}}}'
最佳答案
问题在于分布式分数计算。
您使用默认设置(即5个分片)创建一个新索引。每个分片都是其自己的Lucene索引。在为数据建立索引时，Elasticsearch需要确定文档应使用的分片，并且通过对_id进行散列来实现(在没有routeing参数的情况下)。
因此，通过移动ID，最终可以将文档分发到不同的分片。如上文所述，每个分片都是其自己的Lucene索引，并且在多个分片中进行搜索时，您必须将每个单独分片的不同分数组合在一起，并且由于路由的不同，各个分数也有所不同。
您可以通过在查询中添加explain来验证这一点。对于Sand Roger，idf分别计算为idf(docFreq=1, maxDocs=1) = 0.30685282和idf(docFreq=1, maxDocs=2) = 1，这会产生不同的结果。
您可以将分片大小更改为1，也可以将查询类型更改为dfs类型。搜索http://localhost:9200/test/user/_search?pretty&query_type=dfs_query_and_fetch会给您正确的分数，因为它
http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/search-request-search-type.html#dfs-query-and-fetch
关于ruby - 搜索方法中 “_id”字段对elasticsearch的影响？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21426166/