必须安装ik分词器并配置analyzer与search_analyzer，否则中文match查询会因standard分词器单字切分导致慢、不准、翻页卡死；multi_match需用best_fields+and操作符提升准确率；分页超10000须改用search_after；python客户端需设timeout、_source过滤等参数防线上故障。
直接上结论：不用 IK 分词器、不设 text + keyword 双类型字段、不区分 match 和 term 查询场景，90% 的 Python Web 全文检索都会慢、不准、翻页卡死。
为什么默认的 match 查询在中文场景下基本不可用
ES 默认的 standard 分词器对中文是“单字切分”或直接不分词，比如“搜索引擎”会被切成 [“搜”, “索”, “引”, “擎”] 或整个当一个词。用户搜“搜索引擎”，它匹配不到“搜索”+“引擎”两个独立词，更没法做相关性打分。
- 现象：搜“Python 教程”，返回一堆含“Py”或“程”的噪声结果
- 根本原因：没装中文分词器，
text字段实际没被正确分词建倒排索引 - 必须动作：安装 IK 插件（
ik_smart用于查询，ik_max_word用于索引），并在 mapping 中显式指定analyzer和search_analyzer - 示例配置片段：
{"content": {"type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_smart"}}
multi_match 查询字段顺序和权重怎么设才不丢召回
Web 搜索常需同时查标题、正文、标签等多字段，但字段重要性不同。盲目用 fields: ["title^3", "content^1", "tags^2"] 看似合理，实际容易因权重失衡导致低相关性标题压过高相关正文。
- 真实问题：用户搜“部署 Elasticsearch”，若
title^3匹配到一篇标题为“Elasticsearch 部署指南”的文章，但正文完全没提“部署”，它仍会排第一 - 建议做法：优先用
best_fields策略（默认），再按业务加权；对强语义字段如标题，可改用phrase子查询兜底 - 更稳的写法：
"multi_match": { "query": "部署 Elasticsearch", "fields": ["title^2.5", "content^1.0"], "type": "best_fields", "operator": "and" } - 注意：
operator: "and"能显著提升准确率，但会降低召回——需配合前端“未找到？试试更短关键词”提示
Web 分页为什么一过 10000 条就报 result window is too large
ES 默认限制 from + size ≤ 10000，这是 Lucene 底层深度分页的内存代价决定的，不是配置能随便调大的。
- 典型错误：Django/Flask 里写
es.search(..., body={"from": 10000, "size": 20})，直接 400 报错 - 正解不是调
index.max_result_window，而是换search_after - 关键点：必须有确定排序字段（如
sort: [{"_score": "desc"}, {"timestamp": "desc"}]），且每次请求带上次结果末尾的sort值数组 - Python 示例：
response = es.search( index="articles", body={ "query": {...}, "sort": [{"_score": "desc"}, {"timestamp": "desc"}], "search_after": [last_hit["_score"], last_hit["timestamp"]] }) - 额外提醒：Web 端无法跳转任意页码（比如第 500 页），只能“下一页”。这是高性能的代价，得在 UI 上明确传达
Python 客户端里哪些参数不设等于埋雷
很多项目只写 es = Elasticsearch(["http://localhost:9200"]) 就开干，但生产 Web 服务扛不住真实流量。
-
request_timeout缺省是 10 秒，高负载时可能卡住整个 Flask 请求线程——建议设为3~5秒，并配合重试逻辑 - 没设
verify_certs=False在 HTTPS 环境下会报 SSL 错误；但线上必须配好证书并设verify_certs=True，否则中间人攻击风险 - 漏传
_source过滤：Web 层往往只需 title/content/url，但默认返回全部字段（含大文本、二进制元数据），网络和序列化开销陡增 - 正确姿势：
es.search( index="articles", _source=["title", "content", "url"], body={...} ) - 还有个隐形坑：
ignore=400常被滥用在create()上，掩盖了 mapping 冲突等真正该报警的问题
最易被忽略的其实是分词器热更新能力——IK 词典修改后，已有索引不会自动生效，必须重建索引或用 _update_by_query 配合 reindex，这点在 Web 服务灰度发布时经常引发线上搜索降级。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
