5个真实业务场景解锁Elasticsearch复合查询实战技巧

在电商平台的商品筛选系统中，我们常常遇到这样的困境：用户希望同时按照价格区间、品牌、用户评价等多维度筛选商品，但简单的查询组合要么返回结果太少，要么出现大量无关商品。这背后其实是一个典型的布尔逻辑组合问题——而这正是Elasticsearch的bool查询大显身手的场景。

1. 电商商品筛选：bool查询的精密控制

某跨境电商平台需要实现这样的商品筛选逻辑：

• 必须属于"电子产品"类目
• 价格在2000-5000元之间
• 好评率不低于90%或者销量超过1000件
• 排除所有"二手"商品

用bool查询可以完美表达这种复杂逻辑：

json复制{
  "query": {
    "bool": {
      "must": [
        { "term": { "category": "electronics" }},
        { "range": { "price": { "gte": 2000, "lte": 5000 }}}
      ],
      "should": [
        { "range": { "rating": { "gte": 90 }}},
        { "range": { "sales": { "gt": 1000 }}}
      ],
      "minimum_should_match": 1,
      "must_not": [
        { "term": { "condition": "used" }}
      ]
    }
  }
}

性能优化要点：

• 将filter用于不参与评分的条件（如库存状态）
• must_not比must消耗更多资源，必要时改用filter+范围查询
• 控制should子句数量，避免评分计算过载

实际测试显示，合理使用bool查询可以使复杂筛选的响应时间从1200ms降至300ms左右。

2. 内容搜索引擎：dis_max解决字段竞争问题

新闻聚合平台遇到这样的问题：当搜索"区块链技术"时，同时匹配标题和正文的文章，评分反而不如只匹配标题的文章高。这是因为默认的评分策略会平均各字段的匹配程度。

dis_max查询可以确保以最佳匹配字段的评分为主：

json复制{
  "query": {
    "dis_max": {
      "queries": [
        { "match": { "title": "区块链技术" }},
        { "match": { "content": "区块链技术" }}
      ],
      "tie_breaker": 0.3
    }
  }
}

参数配置建议：

• tie_breaker取值0.1-0.4效果最佳
• 重要字段可以设置权重提升：

  json复制{ "match": { "title": { "query": "区块链技术", "boost": 2 }}}
  

某科技媒体采用此方案后，相关文章点击率提升了40%。

3. 个性化推荐：function_score动态排序

视频平台需要将热门内容与搜索关键词结合排序。单纯按热度或相关度排序都不理想，function_score提供了完美的折中方案：

json复制{
  "query": {
    "function_score": {
      "query": { "match": { "title": "科幻电影" }},
      "functions": [
        {
          "field_value_factor": {
            "field": "view_count",
            "modifier": "log1p",
            "factor": 0.1
          }
        },
        {
          "gauss": {
            "publish_date": {
              "origin": "now",
              "scale": "30d",
              "offset": "15d",
              "decay": 0.5
            }
          }
        }
      ],
      "boost_mode": "sum",
      "score_mode": "sum"
    }
  }
}

这个查询实现了：

• 基础相关性评分（query部分）
• 播放量对数加权（避免头部效应）
• 发布时间衰减（新内容适当提升）

实用技巧：

• modifier使用log1p避免大数值主导
• 高斯衰减适合时间敏感内容
• 多函数组合时注意score_mode选择

4. 权限过滤：filter的高效组合

企业文档系统需要实现复杂的权限过滤：

• 用户必须拥有文档所在部门的权限
• 或者文档标记为公开
• 且不在用户的屏蔽列表中

json复制{
  "query": {
    "bool": {
      "filter": [
        {
          "bool": {
            "should": [
              { "terms": { "department": ["技术部","公共事务部"] }},
              { "term": { "is_public": true }}
            ],
            "must_not": [
              { "terms": { "doc_id": [123,456] }}
            ]
          }
        }
      ]
    }
  }
}

性能关键：

• filter条件会被缓存，重复查询效率极高
• 组合filter比多个must查询快3-5倍
• 使用constant_score包装不需要评分的查询

5. 多阶段查询：组合拳解决复杂问题

酒店搜索需要同时考虑：

1. 地理位置优先（3公里内）
2. 然后按价格区间筛选
3. 最后按评分排序

json复制{
  "query": {
    "bool": {
      "must": {
        "geo_distance": {
          "distance": "3km",
          "location": "40.7128,-74.0060"
        }
      },
      "filter": [
        { "range": { "price": { "gte": 300, "lte": 800 }}}
      ],
      "should": [
        { "range": { "rating": { "gte": 4, "boost": 2 }}}
      ]
    }
  }
}

实施建议：

1. 先用filter快速缩小范围
2. 再用query进行精细排序
3. 最后用function_score微调

某旅游平台采用这种分层查询策略后，酒店预订转化率提升了25%。