要点：
-
minimum_should_match控制匹配的关系度。
-
根据查询语句的进行分词分析，获取得到长度。并根据长度进行规则匹配，超过多少命中定义自定义。来进行长短词语的匹配。
-
对某些字段需要进行完全匹配。故字段是会有多个分词器(keyword、ik_max)，用做不同的匹配场景。
-
raw查询提高召回率，完全匹配。单字拆分，召回一些不是词库词的一些样本。例子见下。
-
各个字段权重不一样， 权重的规则说明，验收阶段提供一些语法糖方便验收。查询关键词后面进行权重的自定义语法。
-
分步查询，脚本评分权重。优点：解耦。缺点：逻辑复杂，慢。
-
best_fields, most_fields, corss_fields
-
match_phrase 完全短语匹配，slop步长，越近越好 只是should提高权重贡献
一些特殊的例子，造成的原因是什么，如何进行优化的。
- 完整匹配需要raw的pharse
- 完整匹配，raw。单个字段多个分词器。
- with_positions_offsets
如果不用raw，会有这样的情况： ”修护晚霜“ 搜"修护晚"不出来.
原因： 修护晚霜 拆词为 "修护", "晚霜" 而 修护晚 拆词为 "修护", "晚" 故无法短语匹配成功
以此进行召回率的提高
权重的规则说明，验收阶段提供一些语法糖方便验收。查询关键词后面进行权重的自定义语法
跨index的查询，脚本权重
遇到了什么问题，为什么高亮不显示了，如何解决的，
分步查询也需要提供相应的分步高亮，获取得到相关的高亮信息。如果查询权重的时候获取得到高亮结果进行存储，占用空间较大。故得到分页id后进行再次高亮查询。
输入的搜索词都会进行拆词，拆词后的词个数
（1）1-2个，则完全匹配；
（2）3-9个词，则匹配60%，四舍五入。例如8个词，8*60%=4.8，则需要匹配5个词以上才返回结果
（3）10个词，则匹配x-3个词。例如10个词，则需要匹配10-3=7个词，才返回结果
优化点： 超过X个字,并且分词结果不都为1, 才使用自定义匹配。避免都是单字，筛选获取得到的很多无关的场景，步长过大且无关。
拆词后分词结果为1，直接完全匹配
精确匹配模式则直接返回完全匹配。
少于或等于2长度的进行完成匹配。
超过X个字,并且分词结果不都为1,使用自定义匹配。避免都是单字，筛选获取得到的很多无关的场景， 步长过大且无关。
支持模糊查询也支持完整匹配，且会把完整匹配的权重调得很高，让其往前返回查询。
某些字段，例如开发商公司完全匹配，完全匹配规则是通过raw进行匹配，是使用standard的单字分词方式
支持多个字段cross_field查询
支持跨索引的分步查询，并且附带权重。先查一个index的索引，得到相关的结果和分数。然后通过脚本权重传递到下一个需要查询的index。
特殊例子： ocr_image、ocr_video(默认是keyword)
- 查询文字根据whitespace词库拆词，但是匹配的默认keyword的分词
- 查询文字根据ik_max_word词库拆词，但是匹配的默认keyword的分词
whitespace目的是为了支持 "A B" 这样的关键词，能进行拆分匹配。提高召回率，否则的话会比较难
ik_max_words也是能拆空格的？这里的ocr例子忘了之前是怎么想的了。
ik_max_words是为了避免默认的keyword的大小写不区分问题。