10、Elasticsearch：相关性、路由算法与集群扩展全解析

Elasticsearch：相关性、路由算法与集群扩展全解析

1. 相关性概述

现代搜索引擎不仅会基于查询条件返回结果，还会对结果进行分析，返回最相关的内容。以 Stack Overflow 为例，它能为用户提供接近需求的搜索结果，且按相关性从高到低排序。同样，Elasticsearch 在全文查询时，通常会根据相关性得分对结果进行排序。相关性得分是一个正的浮点数，用于确定搜索结果的排名。Elasticsearch 默认使用 BM25（Best Match）相关性算法来为返回结果打分，以确保客户端能得到相关的结果。

例如，当在书籍标题中搜索 “Java” 时，标题中多次出现 “Java” 的文档比只出现一次或未出现的文档更具相关性。

2. 相关性算法

2.1 相关性算法类型

Elasticsearch 提供了多种相关性算法，默认使用 Okapi Best Matching 25（BM25）算法。它还提供了一个名为 “similarity” 的模块，允许用户根据需求应用最合适的算法。以下是 Elasticsearch 开箱即用的相关性算法列表：
| 相似度算法 | 类型 | 描述 |
| — | — | — |
| Okapi BM25（默认） | BM25 | 一种增强的 TF/IDF 算法，除了考虑词频和文档频率外，还考虑了字段长度 |
| Divergence from Randomness (DFR) | DFR | 使用由其作者 Amati 和 Rijsbergen 开发的 DFR 框架 |
| Divergence from Independence (DFI) | DFI