1、most-fields策略
best-fields策略，主要是說將某一個field匹配盡可能多的關鍵詞的doc優先返回回來
most-fields策略，主要是說盡可能返回更多field匹配到某個關鍵詞的doc，優先返回回來，用法和上面的一樣
當我們相查找與learning courses相關的數據時如果數據如下：
{ "update": { "_id": "1"} }
{ "doc" : {"sub_title" : "learning more courses"} }
{ "update": { "_id": "2"} }
{ "doc" : {"sub_title" : "learned a lot of course"} }

GET /forum/article/_search
{
"query": {
"match": {
"sub_title": "learning courses"
}
}
}
查出來可以_id為2的在前面，因為如果我們用的是類似于english analyzer這種分詞器的話，就會將單詞還原為其最基本的形態，類似：
learning --> learn
learned --> learn
courses --> course
使用下面做
GET /forum/article/_search
{
"query": {
"multi_match": {
"query": "learning courses",
"type": "best_fields",
"fields": [ "sub_title.std" ]
}
}
}

2、most-fields與best_fields的區別
（1）best_fields，是對多個field進行搜索，挑選某個field匹配度最高的那個分數，同時在多個query最高分相同的情況下，在一定程度上考慮其他query的分數。簡單來說，你對多個field進行搜索，就想搜索到某一個field盡可能包含更多關鍵字的數據

優點：通過best_fields策略，以及綜合考慮其他field，還有minimum_should_match支持，可以盡可能精準地將匹配的結果推送到最前面
缺點：除了那些精準匹配的結果，其他差不多大的結果，排序結果不是太均勻，沒有什么區分度了

實際的例子：百度之類的搜索引擎，最匹配的到最前面，但是其他的就沒什么區分度了

（2）most_fields，綜合多個field一起進行搜索，盡可能多地讓所有field的query參與到總分數的計算中來，此時就會是個大雜燴，某一個document的一個field包含更多的關鍵字，但是因為其他document有更多field匹配到了，所以排在了前面；所以需要建立類似sub_title.std這樣的field，盡可能讓某一個field精準匹配query string，貢獻更高的分數，將更精準匹配的數據排到前面

優點：將盡可能匹配更多field的結果推送到最前面，整個排序結果是比較均勻的
缺點：可能那些精準匹配的結果，無法推送到最前面
3、cross-fields搜索
cross-fields搜索，一個唯一標識，跨了多個field。比如一個人，標識，是姓名；一個建筑，它的標識是地址。姓名可以散落在多個field中，比如first_name和last_name中，地址可以散落在country，province，city中。

初步來說，如果要實現，可能用most_fields比較合適。因為best_fields是優先搜索單個field最匹配的結果，cross-fields本身就不是一個field的問題了。

POST /forum/article/_bulk
{ "update": { "_id": "1"} }
{ "doc" : {"author_first_name" : "Peter", "author_last_name" : "Smith"} }
{ "update": { "_id": "2"} }
{ "doc" : {"author_first_name" : "Smith", "author_last_name" : "Williams"} }
{ "update": { "_id": "3"} }
{ "doc" : {"author_first_name" : "Jack", "author_last_name" : "Ma"} }
{ "update": { "_id": "4"} }
{ "doc" : {"author_first_name" : "Robbin", "author_last_name" : "Li"} }
{ "update": { "_id": "5"} }
{ "doc" : {"author_first_name" : "Tonny", "author_last_name" : "Peter Smith"} }

GET /forum/article/_search
{
"query": {
"multi_match": {
"query": "Peter Smith",
"type": "cross_fields",
"operator":"and",
"fields": ["author_first_name", "author_last_name"]
}
}
}
問題1：只是找到盡可能多的field匹配的doc，而不是某個field完全匹配的doc --> 解決，要求每個term都必須在任何一個field中出現
Peter，Smith
要求Peter必須在author_first_name或author_last_name中出現
要求Smith必須在author_first_name或author_last_name中出現
Peter Smith可能是橫跨在多個field中的，所以必須要求每個term都在某個field中出現，組合起來才能組成我們想要的標識，完整的人名
原來most_fiels，可能像Smith Williams也可能會出現，因為most_fields要求只是任何一個field匹配了就可以，匹配的field越多，分數越高

問題2：TF/IDF算法，比如Peter Smith和Smith Williams，搜索Peter Smith的時候，由于first_name中很少有Smith的，所以query在所有document中的頻率很低，得到的分數很高，可能Smith Williams反而會排在Peter Smith前面 --> 計算IDF的時候，將每個query在每個field中的IDF都取出來，取最小值，就不會出現極端情況下的極大值了
4、copy_to用法
就是合并多個field 將多個字段的值拷貝到一個字段中，并建立倒排索引
PUT /forum/_mapping/article
{
"properties": {
"new_author_first_name": {
"type": "string",
"copy_to": "new_author_full_name"
},
"new_author_last_name": {
"type": "string",
"copy_to": "new_author_full_name"
},
"new_author_full_name": {
"type": "string"
}
}
}