Elasticsearch-Py 客户端中include_named_queries_score参数的支持解析
2025-06-14 13:24:26作者:劳婵绚Shirley
在Elasticsearch的搜索功能中,include_named_queries_score是一个非常有用的参数,它允许开发者在查询结果中获取命名查询的评分信息。这个参数在Elasticsearch的REST API中已经存在,但在Python客户端elasticsearch-py中却一度缺失支持。本文将深入探讨这个参数的作用、缺失原因以及解决方案。
参数作用解析
include_named_queries_score参数的主要功能是控制是否在搜索结果中包含命名查询的评分信息。当设置为true时,Elasticsearch会在返回结果中为每个匹配的文档包含一个matched_queries字段,其中不仅列出匹配的命名查询名称,还会包含这些查询的评分值。
这个功能对于需要深入分析查询匹配情况的场景特别有用,比如:
- 调试复杂查询的评分逻辑
- 分析不同命名查询对最终评分的影响
- 构建需要基于子查询评分的自定义排序或过滤逻辑
客户端支持情况
在elasticsearch-py 8.12.0及之前版本中,虽然Elasticsearch的REST API已经支持这个参数,但Python客户端却未能自动生成对应的接口支持。这导致开发者无法直接通过标准的search()方法使用这个参数。
这种不一致性源于API规范生成过程中的遗漏。Elasticsearch的客户端库通常是通过解析REST API规范自动生成的,而在这个过程中,include_named_queries_score参数被意外忽略了。
临时解决方案
在官方修复之前,开发者可以采用以下两种临时解决方案:
- 使用transport层直接调用:
resp = es.transport.perform_request(
'GET',
f'/{index}/_search?include_named_queries_score=true',
headers={'Content-type': 'application/json'},
body=body
)
- 将参数作为URL参数附加:
resp = es.search(
index=index,
body=body,
params={'include_named_queries_score': 'true'}
)
官方修复
这个问题在elasticsearch-py 8.15.0版本中得到了修复。更新后,开发者可以直接在search()方法中使用这个参数:
resp = es.search(
index="my_index",
body={
"query": {
"bool": {
"should": [
{"match": {"title": {"query": "quick", "_name": "title_query"}}},
{"match": {"content": {"query": "quick", "_name": "content_query"}}}
]
}
}
},
include_named_queries_score=True
)
最佳实践建议
- 对于使用8.15.0及以上版本的开发者,建议直接使用官方支持的参数形式
- 对于必须使用旧版本的情况,推荐使用transport层的解决方案,它更接近原生API的行为
- 在生产环境中使用此功能前,建议评估其对性能的影响,特别是在查询复杂或数据量大的情况下
这个问题的解决过程展示了开源社区如何协作完善工具链,也提醒我们在遇到API不一致时,可以深入底层实现寻找解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0202
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
746
927
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
267
暂无描述
Dockerfile
771
5.03 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
867
1.97 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
70
22
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.94 K
202
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
694
1.36 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
465
456
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
458
5.25 K