全文搜索的工作原理

Elastic Stack 无服务器

下图说明了全文搜索的组成部分。

×

总的来说，全文搜索涉及以下内容

• 文本分析：分析包括一系列顺序转换的管道。文本被转换成一种为搜索优化的格式，使用的技术包括词干提取、小写转换和停用词消除。Elasticsearch 包含许多内置的 分析器和分词器，包括分析特定语言文本的选项。您还可以创建自定义分析器。

• 倒排索引创建：分析完成后，Elasticsearch 会从生成的令牌构建倒排索引。倒排索引是一种数据结构，它将每个令牌映射到包含它的文档。它由两个关键组件组成

  • 字典：索引中所有文档集合中所有唯一术语的排序列表。
  • 倒排列表：对于每个术语，该术语出现的文档 ID 列表，以及可选的元数据，如术语频率和位置。

• 相关性评分：结果按它们与给定查询的相关性进行排序。每个文档的相关性得分由一个称为 _score 的正浮点数表示。_score 越高，文档的相关性就越高。

  Elasticsearch 用于计算相关性分数的默认 相似度算法 是 Okapi BM25，它是 TF-IDF 算法 的变体。BM25 基于术语频率、文档频率和文档长度计算相关性分数。有关 BM25 的深入探讨，请参阅此 技术博客文章。

• 全文搜索查询：查询文本经过 与索引文本相同的方式分析，生成的令牌用于搜索倒排索引。

  Query DSL 支持许多 全文查询。

  从 8.17 开始，ES|QL 也支持 全文搜索 函数。