DisjunctionMaxQuery(一)(Lucene 8.9.0)

  本系列的内容将会先介绍DisjunctionMaxQuery在Lucene中的实现原理,随后再介绍在Elasticsearch中的应用。我们先直接通过图1中DisjunctionMaxQuery的注释跟图2的构造函数来简单了解下这个Query的功能:

图1:

图2:

  灰色框标注的注释中说道:DisjunctionMaxQuery中封装了多个子Query(subqueries,这些子Query之间的关系相当于BooleanQuery中SHOULD的关系),即图2中的参数disjuncts。每个子Query都会生成一个文档集合,并且如果某篇文档被多个子Query命中,虽然这篇文档的打分值在不同的子Query中是不同的,但是这篇文档的最终打分值(在收集器Collector中的打分值)会选择分数最高的。不过如果图2中构造函数的参数tieBreakerMultiplier是一个不为0的合法值(合法取值范围为[0, 1)),那么文档的打分值还会所有考虑命中这个文档的所有子Query对应的打分值,其计算公式如下:

  上述公式中,max为子Query对应最高的那个打分值,而otherSum则为剩余的子Query对应打分值的和值,由于tieBreakerMultiplier的取值范围为[0, 1],所以当tieBreakerMultiplier==0时,文档的最终打分值为max;而当tieBreakerMultiplier==1时,则是所有子Query对应的打分值的和值,这个时候DisjunctionMaxQuery就相当于minimumNumberShouldMatch==1的BooleanQuery。在源码中,如果tieBreakerMultiplier==1,那么将会使用BooleanQuery进行查询。如下所示:

图3:

  图3中,当tieBreakerMultiplier==1,会从disjuncts中读取所有的子Query,用于生成一个新的BooleanQuery,并且子Query之间的关系为should。

  使用DisjunctionMaxQuery很有帮助的(useful)一个场景是:多个域中都包含某个term时,我们可以对不同的域设置加分因子(boost factor),如果某篇文档中包含这些域,我们获得的文档打分值可以只是加分因子最高的那个域对应的打分值,而不像在BooleanQuery中,文档打分值是所有域对应的打分值的和值。在随后介绍在Elasticsearch的应用中再详细展开。

例子

  我们用一个例子来理解下图1中灰色框标注的注释:

图4:

BooleanQuery(minimumNumberShouldMatch == 1)

图5:

图6:

  图5中,文档0跟文档1中由于只包含了"title"跟"body"域的一个,并且查询条件BooleanQuery的minimumNumberShouldMatch的值为1,那么文档0跟文档1分别满足titleTermQuery跟bodyTermQuery,文档分数分别为0.113950975跟0.082873434。由于文档2同时满足了titleTermQuery跟bodyTermQuery这两个子Query ,所以文档2的分数为0.113950975跟0.082873434的和值,即0.1968244。

  正如上文中说道:BooleanQuery中,文档打分值是所有域对应的打分值的和值。

DisjunctionMaxQuery(tieBreakerMultiplier == 0)

图7:

图8:

  对于文档0跟文档1,跟使用BooleanQuery获得打分值是一致的,他们不会tieBreakerMultiplier 的影响,因为这两篇文档分别只满足一个Query的条件。而对于文档2,它同时满足titleTermQuery跟bodyTermQuery这两个子Query后对应的文档分数分别为0.113950975跟0.082873434,由于tieBreakerMultiplier == 0,意味着最终文档2的打分值只会选择打分最高的子Query,对应的分数,即0.113950975。结合上文中给出的计算公式,其计算过程如下:

  正如上文中说道:如果某篇文档被多个子Query命中,虽然这篇文档的打分值在不同的子Query中是不同的,但是这篇文档的最终打分值(在收集器Collector中的打分值)会选择分数最高的。

DisjunctionMaxQuery(tieBreakerMultiplier == 1)

图9:

图10:

  对于文档0跟文档1,他们不受tieBreakerMultiplier 的影响,因为这两篇文档分别只满足一个Query的条件。而对于文档2,它同时满足titleTermQuery跟bodyTermQuery这两个子Query后对应的文档分数分别为0.113950975跟0.082873434,由于tieBreakerMultiplier == 1,该值不为0,意味着文档2的打分值不但会选择子Query对应的打分值最高的那个,还会考虑其他子Query对应的打分值。结合上文中给出的计算公式,其计算过程如下:

结语

  基于篇幅原因,剩余的内容将在下一篇文章中展开。

点击下载附件