Elasticsearch Explain API 详解：KNN 混合查询的分数计算与性能分析

前言

在使用 Elasticsearch 进行混合检索（Hybrid Search）时，理解文档得分的计算过程至关重要。特别是当结合向量检索（KNN）和传统文本检索（Query String）时，分数计算会变得更加复杂。本文将通过一个真实的查询案例，深入解析 ES 的explainAPI 用法，以及混合查询场景下的分数计算机制。

案例背景

假设我们有一个医学文献检索系统，需要根据用户查询 “vaccine development” 检索相关文献。我们使用了以下混合查询策略：

• KNN 向量检索：使用 768 维向量进行语义相似度匹配
• Query String 检索：在标题、关键词、内容等字段进行文本匹配
• 混合查询：将两种检索结果融合，期望获得更准确的排序

查询结构分析

完整查询 DSL

{"min_score":0.8,"query":{"bool":{"must":[{"query_string":{"fields":["title_tks^10","title_sm_tks^5","important_kwd^30","important_tks^20","content_ltks^2","content_sm_ltks"],"type":"best_fields","query":"((\"vaccine development\" OR \"vaccin develop\"))","boost":1,"minimum_should_match":"60%"}}],"boost":0.05}},"from":0,"size":50,"knn":{"field":"q_vec","k":50,"similarity":0.8,"num_candidates":100,"query_vector":[/* 768维向量 */],"filter":{"bool":{"must":[{"query_string":{"fields":["title_tks^10","title_sm_tks^5","important_kwd^30","importan