best_fields 类型在搜索同一字段中最容易找到的多个单词时最有用。 例如，一个字段里的“brown fox”比一个字段里的“brown”和另一个字段里的“fox”更有意义。

best_fields 类型为每个字段生成一个match 查询，并将它们包裹在一个 dis_max 查询中，以找到单个最佳匹配字段。 比如下面这个查询

GET /_search
{
  "query": {
    "multi_match" : {
      "query":      "brown fox",
      "type":       "best_fields",
      "fields":     [ "subject", "message" ],
      "tie_breaker": 0.3
    }
  }
}

在执行时会被转换为：

GET /_search
{
  "query": {
    "dis_max": {
      "queries": [
        { "match": { "subject": "brown fox" }},
        { "match": { "message": "brown fox" }}
      ],
      "tie_breaker": 0.3
    }
  }
}

通常，best_fields 类型使用单个最佳匹配字段的分数，但如果指定了tie_breaker，则它会按如下方式计算分数：

此外，接受 analyzer、boost、operator、minimum_should_match、fuzziness、lenient、prefix_length、max_expansions、rewrite、zero_terms_query、cutoff_frequency、auto_generate_synonyms_phrase_query 及 fuzzy_transpositions，如 match 查询 中所述。

GET /_search
{
  "query": {
    "multi_match" : {
      "query":      "Will Smith",
      "type":       "best_fields",
      "fields":     [ "first_name", "last_name" ],
      "operator":   "and" 
    }
  }
}

  (+first_name:will +first_name:smith)
| (+last_name:will  +last_name:smith)

当查询包含以不同方式分析的相同文本的多个字段时，most_fields 类型最有用。 例如，主字段可能包含同义词(synonyms)、词干(stemming)和不带发音符号(diacritics)的词项。 第二个字段可能包含原始的(original)词项(term)，第三个字段可能包含 shingles(不知道该怎么翻译)。 通过组合所有三个字段的分数，我们可以将尽可能多的文档与主字段匹配，但使用第二个和第三个字段将最相似的结果推到列表的顶部。

下面这个查询

GET /_search
{
  "query": {
    "multi_match" : {
      "query":      "quick brown fox",
      "type":       "most_fields",
      "fields":     [ "title", "title.original", "title.shingles" ]
    }
  }
}

在执行时会被转换为：

GET /_search
{
  "query": {
    "bool": {
      "should": [
        { "match": { "title":          "quick brown fox" }},
        { "match": { "title.original": "quick brown fox" }},
        { "match": { "title.shingles": "quick brown fox" }}
      ]
    }
  }
}

每个 match 子句的得分相加，然后除以 match 子句的数量。

此外，接受analyzer、boost、operator、minimum_should_match、fuzziness、lenient、prefix_length、max_expansions、rewrite、zero_terms_query 及 cutoff_frequency，如 match 查询 中所述，但是 请参见 operator 和 minimum_should_match。

phrase 和 phrase_prefix 类型的行为类似于best_fields，但是它们使用 match_phrase 或 match_phrase_prefix查询而不是 match 查询。

下面这个查询

GET /_search
{
  "query": {
    "multi_match" : {
      "query":      "quick brown f",
      "type":       "phrase_prefix",
      "fields":     [ "subject", "message" ]
    }
  }
}

在执行时会被转换为：

GET /_search
{
  "query": {
    "dis_max": {
      "queries": [
        { "match_phrase_prefix": { "subject": "quick brown f" }},
        { "match_phrase_prefix": { "message": "quick brown f" }}
      ]
    }
  }
}

此外，还接受 match 中所述的 analyzer、boost、lenient 及 zero_terms_query，以及 match phrase 中介绍的 slop 。 phrase_prefix 类型还接受 max_expansions。

cross_fields 类型对于多个字段should(应该)匹配的结构化文档特别有用。 例如，当在 first_name 和 last_name字段查询“Will Smith”时，最佳匹配可能是一个字段中有“Will ”,另一个字段中有“Smith”。

处理这些类型的查询的一种方法是简单地将 first_name和 last_name 字段索引到单个full_name字段中。当然，这只能在索引时完成。

cross_field 类型试图通过采用以词项为中心(term-centric)的方法在查询时解决这些问题。 它首先将查询字符串分析成单个词项，然后在任何字段中查找每个词项，就好像它们是一个大字段一样。

像下面这样的一个查询

GET /_search
{
  "query": {
    "multi_match" : {
      "query":      "Will Smith",
      "type":       "cross_fields",
      "fields":     [ "first_name", "last_name" ],
      "operator":   "and"
    }
  }
}

会被执行为：

+(first_name:will  last_name:will)
+(first_name:smith last_name:smith)

换句话说，所有词项 必须出现在至少一个字段中，文档才能匹配。 (将这与 用于 best_fields 和 most_fields 的逻辑 进行比较。)

这解决了两个问题中的一个。 不同词频的问题通过混合(blending)所有字段的词频以消除差异来解决。

实际上，first_name:smith 将被视为与last_name:smith + 1 具有相同的频率。 这将使 first_name 和 last_name 的匹配项具有可比较的分数，last_name 有一点优势，因为它是最有可能包含smith的字段。

请注意，cross_fields 通常只对 boost 都为 1 的短字符串字段有用。 否则 boost、词频和长度归一化会以这样的一种方式影响分数，以至于词项统计数据的混合不再有意义。

如果你通过 Validate API 运行上述查询，它将返回如下解释:

+blended("will",  fields: [first_name, last_name])
+blended("smith", fields: [first_name, last_name])

此外，还接受 analyzer、boost、operator、minimum_should_match、lenient、zero_terms_query 及 cutoff_frequency，如 match 查询 中所述。

GET /_search
{
  "query": {
    "multi_match" : {
      "query":      "Jon",
      "type":       "cross_fields",
      "fields":     [
        "first", "first.edge",
        "last",  "last.edge"
      ]
    }
  }
}

    blended("jon", fields: [first, last])
| (
    blended("j",   fields: [first.edge, last.edge])
    blended("jo",  fields: [first.edge, last.edge])
    blended("jon", fields: [first.edge, last.edge])
)

GET /_search
{
  "query": {
    "bool": {
      "should": [
        {
          "multi_match" : {
            "query":      "Will Smith",
            "type":       "cross_fields",
            "fields":     [ "first", "last" ],
            "minimum_should_match": "50%" 
          }
        },
        {
          "multi_match" : {
            "query":      "Will Smith",
            "type":       "cross_fields",
            "fields":     [ "*.edge" ]
          }
        }
      ]
    }
  }
}

GET /_search
{
  "query": {
   "multi_match" : {
      "query":      "Jon",
      "type":       "cross_fields",
      "analyzer":   "standard", 
      "fields":     [ "first", "last", "*.edge" ]
    }
  }
}

blended("will",  fields: [first, first.edge, last.edge, last])
blended("smith", fields: [first, first.edge, last.edge, last])

bool_prefix类型的评分行为类似于most_fields，但使用 match_bool_prefix 查询 而不是 match 查询。

GET /_search
{
  "query": {
    "multi_match" : {
      "query":      "quick brown f",
      "type":       "bool_prefix",
      "fields":     [ "subject", "message" ]
    }
  }
}

支持 match 查询 中所述的参数 analyzer、boost、operator、minimum_should_match、lenient、zero_terms_query 及 auto_generate_synonyms_phrase_query。 用于构建词项(term, "条件"??)查询的词项支持fuzziness、prefix_length、max_expansions、rewrite 及 fuzzy_transpositions 参数，但这些参数对从最终的词项构建的前缀查询没有作用。

该查询类型不支持slop 和 cutoff_frequency 参数。