Elasticsearch - 分片中每个别名的 tf-idf 计算答案

【问题标题】：Elasticsearch - tf-idf computation for each alias in shardElasticsearch - 分片中每个别名的 tf-idf 计算
【发布时间】：2021-06-17 12:42:13
【问题描述】：

考虑到我有三个客户帐户，三个帐户的数据存储在单个索引中的三个别名中，该索引分布在三个分片上。

对于给定的查询，tf-idf 是如何计算的？由于它在单个索引中，因此术语计数是否与所有三个帐户的数据/别名一起考虑。我想知道我们是否可以将术语频率计数和 IDF 限制为仅帐户/一个别名

【问题讨论】：

【解决方案1】：

如果您使用带别名的路由，它将使用特定路由来查找分片，并将计算该特定分片上的 tf-idf，否则您的 tf-idf 将根据索引计算。有关更多信息，您可以在 ElasticSearch here 和 here 中查看自定义路由。

更新：

索引和分片定义：

Elasticsearch 中的数据被组织成索引。每个索引由一个或多个分片组成。每个分片都是 Lucene 索引的一个实例，您可以将其视为一个独立的搜索引擎，它为 Elasticsearch 集群中的数据子集编制索引并处理查询。

【讨论】：

嘿，thnx，据我了解，tf-idf 是按分片计算的。有没有办法仅将搜索路由到特定索引，以便根据该索引中提供的文档计算 tf-idf，而忽略同一分片中用于 tf-idf 计算的其他索引？
每个分片只指向一个索引，但索引可以有很多分片，因此当您的搜索路由到特定分片时，您的 tf-idf 仅在该分片中计算。如果要过滤文档，也可以在查询中使用过滤器。
我更新了我的答案以描述更好的分片和索引。