Elasticsearch 常用字效能調整

March 22, 2025

Elasticsearch

在 Elasticsearch 內，如果有每個文件都會 (或常常) 出現的字詞，例如英文文章的「is, the, not」，中文新聞文章的「相關、報導、可能」，可將這些字稱為「常用字」或「高頻字」。通常會將這些字詞加入停用字字典，避免效能降低。

處理方式

由於出現頻率很高，當查詢到常用字時，會造成有很多文件需要計算相關性，耗費大量計算資源，而造成效能的下降。因此有幾種處理方式：

  1. 加入停用字 (stopword) 字典：Elasticsearch 本身提供停用字字典，也可以針對不同語言設定，Analyzer 也可能提供停用字的機制 (ex. IK Analyzer)。但是在查詢時，就不會納入計分。
  2. 送關鍵字到 Elasticsearch 前，先減少不需要的常用字。
  3. 查詢時加入 minimum_should_match  參數：在 Query DSL 內設定此參數，要求須匹配一定比例或個數的字詞，才納入結果。因為減少了計算數量，可以折衷的解決效能問題。

Minimum_should_match 參數說明

那麼，讓我們來看一下怎麼使用 minimum_should_match 參數，以下是一個該參數的範例：

      "query": {
        "multi_match": {
          "query": "To be or not to be",
          "minimum_should_match": "75%",
          "fields": [ "article" ]
        }
      }

可以輸入百分比或詞語個數。輸入個數時，表示有幾個詞語是可以忽略 (負數則表示必須匹配)。輸入百分比時，表示有多少比例的詞語是必須匹配 (負百分比表示可被忽略的比例)。此外，也可以組合百分比和個數，請參考官方的參數選項說明。

如果需要使用在多個欄位上，請參考 Query string query - Elasticsearch Guide [8.16] - Elastic 的說明。

參考資料

附註