ElasticSearch：Constant Score 取消忽略搜索算分以及算分规则

叁歲伎倆 2022-12-05 10:25 183阅读 0赞

# ElasticSearch 查询开销 #

ElasticSearch 在查询一个文档的时候，默认会根据倒排索引词项的匹配程度来做一个相关性的算分，每个文档都会做这个分析过程，如果文档数很庞大，这个过程其实是非常消耗性能的，那么是不是有什么办法可以取消掉这个算法过程

# Constant Score #

ElasticSearch 提供了一个查询的 API ： Constant Score  
利用这个API 可以忽略掉算分过程。它的原理是将查询转换成为一个filter 过滤，filter 查询是会走缓存的，所以性能提升是相当高的，毕竟省去了 随机IO 的操作。

*  将 QUERY 转化成为 Filter ，忽略 TF-IDF 相关性算分，避免相关性算分的性能开销
 *  Filter 会走缓存，可以有效利用缓存

POST movies/_search
    { 
      "explain": true, 
      "query": { 
        "constant_score": { 
          "filter": { 
            "term": { 
              "title": "story"
            }
          }
        }
      }
    }

如上就是一个Constant Score 的使用示例，我们可以看到结果，在 explain 中是没有算分的相关操作的，并且 socre 为默认值1  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMDYzMTgy_size_16_color_FFFFFF_t_70_pic_center]  
所以利用 Constant Score 可以忽略掉算分这个操作，一般是推荐这样使用的。

> explain 可以查看 ElasticSearch是如何进行算分的

# ElasicSearch 算分规则 #

## 相关性算分 ##

要想了解 ElasticSearch 为什么要进行算分，我们得先知道什么叫做相关性。相关性，就是描述一个文档与查询语句的匹配程序，比如 一个文档是 “我爱中国” 与 “我是中国人” ，那么针对你的搜索语句 “爱中国”，相关性最高的文档是 “我爱中国”这一篇。  
理解了相关性的概念之后，那么ElasticSearch 是如果表示相关性的，那便是通过一个分数来展示，相关性算分算出的分数越高证明相关性越高，那么这个文档就是你所要的。

*  相关性算分，描述一个文档与查询语句的匹配程度，打分的本质为了排序，将相关性高的文档排列在前
 *  es 5 之前，算分算法是 TF-IDF，es 5 之后为 BM 25

## TF-IDF 算法 ##

#### TF term frequency 词频 ####

TF 是 term frequency 的缩写，表示检索词在一篇文档中出现的频率，也就是词频。

*  词频的计算规则是 检索词出现的次数除以文档的总数。  
    比如：有一篇文档 “我是中国人，我爱中国”，检索词是 “中国”，那么计算检索词的词频 就是 4 / 9
 *  TF 的相关性算分统计，将检索词在一篇文档中词频累加。  
    比如：检索词 “我 中国” ，相关性算分就是 TF(我) + TF(中国)

#### IDF 逆文档频率 ####

*  DF Document frequency 的缩写，Df 的概念是检索词在所有文档中出现的次数
 *  IDF inverse Document frequency 的缩写，倒转文档频率，算法是 log(全部的文档数 / 检索词出现过的文档数)  
    比如：现有 10 个文档，中国这个检索词在十个文档中都出现了，那么 IDF 就是 log(1)

#### TF-IDF ####

TF-IDF，其实就是将二者相乘各取每个检索词的加权和。  
TF-IDF的主要思想是：如果某个单词在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。  
TF(我)\*IDF(我) + TF(我)\*IDF(中国)  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMDYzMTgy_size_16_color_FFFFFF_t_70_pic_center 1]  
看这个图吧，我们主要看Lucene 的score 算法规则，发现影响这个因素的 有三个要点：

*  TF
 *  IDF
 *  boosting (查询中可以设置这个值提升权重)
 *  field-length norm 字段长度归一值

## BM 25 ##

BM 25 其实是 TF-IDF 算法的一个改善，主要是解决 当词频太大的时候会得到一个稳定值的现象。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMDYzMTgy_size_16_color_FFFFFF_t_70_pic_center 2]  
可以看到当词频达到一定数量的时候，两个算法的结果是有很大的区别的。  
![在这里插入图片描述][20200911001013834.png_pic_center]  
BM 25 提供了控制干预算分的两个参数设置。

*  k1  
    这个参数控制着词频结果在词频饱和度中的上升速度。默认值为 1.2 。值越小饱和度变化越快，值越大饱和度变化越慢。
 *  b  
    这个参数控制着字段长归一值所起的作用， 0.0 会禁用归一化， 1.0 会启用完全归一化。默认值为 0.75 。

POST /testscore/_search
    { 
      "explain": true,
      "query": { 
        "match": { 
          "content": "elasticsearch"
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMDYzMTgy_size_16_color_FFFFFF_t_70_pic_center 3]

我们可以看到分别对 boost、idf、tf 进行了计算,最终算分结果是 0.8713851

# Boosting #

ElasticSearch 提供了一些操作来影响这个算分过程，比如boosting API。

*  positive 这个查询匹配的词项对算分有正面影响
 *  negative 这个查询匹配的词项对算分是负面影响

POST testscore/_search
    { 
        "query": { 
            "boosting" : { 
                "positive" : { 
                    "term" : { 
                        "content" : "elasticsearch"
                    }
                },
                "negative" : { 
                     "term" : { 
                         "content" : "like"
                    }
                },
                "negative_boost" : 0.2
            }
        }
    }

> Boosting 其实是一种提升算法，是一种可以用来减小监督式学习中偏差的机器学习算法。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMDYzMTgy_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/40dae558c2ce46c49481ab3b49eb6a5c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMDYzMTgy_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/38cd17bf4beb4e9ba4f4a8dd26d5e6e2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMDYzMTgy_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/bdc13ca5075f431095a24ad7ad23869d.png
[20200911001013834.png_pic_center]: /images/20221123/6faf14537b864ce79fbe8538bcad1398.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMDYzMTgy_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221123/b178dc1b11d54be18bf4fe09ae6c77f7.png