查询很少是对一个字段做 match 查询，通常都是一个 query 查询多个字段，比如一个 doc 有 title、content、pagetag 等文本字段，要在这些字段查询含多个 term 的 query，就要对它们的相关度评分做合理的合并。这被称为多词（multiword）、多字段（multifield）查询。

如果一个 query 可以结构化，如哪些词是 title，哪些词是 author，那么就可以直接在相关字段中查询，使用 bool 查询即可解决问题，bool 查询是“匹配越多越好”，如搜“War and Peace Leo Tolstoy”，查询语句如下：

GET /_search
{
  "query": {
    "bool": {
      "should": [
        { "match": { "title":  "War and Peace" }},
        { "match": { "author": "Leo Tolstoy"   }}
      ]
    }
  }
}

还可以对不同的字段加不同的 boost 权重。

以上被称为多重查询字符串，也可算是结构化查询，不过现实中通常是一个 query 在多个字段中查询，即单一查询字符串。毕竟对 query 做结构化需要些 nlp 技术和额外的人力成本，且比起单一查询字符串的效果提升也有限，所以若不是对召回效果有更高追求，还是不要轻举妄动，就好好做一个 query 在多个字段的查询吧。

一个 query 在多个字段中的查询，有三种策略：best_fields、most_fields、cross_fields。

介绍这三种策略之前，先铺垫下布尔查询和 dis_max 查询。

1. bool 查询

一个 query 在多个字段中的查询，同样可使用 bool 查询。

{
    "query": {
        "bool": {
            "should": [
                { "match": { "title": "Brown fox" }},
                { "match": { "body":  "Brown fox" }}
            ]
        }
    }
}

不过由于 bool 查询评分公式的问题，效果不太好，比如一个文档 title 和 body 都包含 brown，不包含 fox，另一个文档在 body 字段包含了 brown 和 fox，显然后者更符合搜索意图，但 bool 查询的评分前者高，为了理解导致这样的原因，需要看下 bool 查询是如何计算评分的：

它会执行 should 语句中的两个查询。

加和两个查询的评分。

乘以匹配字段的总数（这里不知是否理解正确，存疑，待验证）。

除以所有语句总数（这里为：2）。

注意这里的“乘以匹配语句的总数”是关键，这会导致匹配字段越多，分值越大。（后面的 most_fields 也是使用这个计算，才使得匹配字段数越多，分值越大）

解决方案是，使用最佳匹配字段的分值作为整个查询的整体分值，让包含 query 两个单词的字段有更高的权重，而不是在不同的字段中重复出现的相同单词。dis_max 查询应运而生。

2. dis_max

dis_max 查询就是返回匹配了 query 的文档，分值是最佳匹配字段产生的分值。加上 tie_breaker 可得出很好的搜索效果。

{
    "query": {
        "dis_max": {
            "queries": [
                { "match": { "title": "Quick pets" }},
                { "match": { "body":  "Quick pets" }}
            ],
            "tie_breaker": 0.3
        }
    }
}