这个问题比较有趣！  
 
默认的打分机制参考tf, idf,和field norms， 根据给的示例数据看，"柠檬“这个词对于3条文档的tf, idf应该一样，影响打分的只有filed norms。 按道理“柠檬”的field length最短，那么得分应该最高，排在第一位返回才对。  
 
为了验证这个结果，我实际测试了一下，过程如下:
 
创建一个空索引，使用ik_max_word分词器并写入3条数据 PUT testindex/
{
"mappings": {
"logs": {
"properties": {
"product": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
}


PUT testindex/logs/1
{"product":"柠檬"}

PUT testindex/logs/2
{"product":"柠檬汽水"}

PUT testindex/logs/3
{"product":"柠檬味牙膏"}










 
查询关键词"柠檬" POST testindex/_search
{
"query": {
"match": {
"product": "柠檬"
}
}
}
查询结果:[code]"hits": {
"total": 3,
"max_score": 0.85747814,
"hits":
}

"柠檬"居然真分数最低，非常出乎我的意料。
 
于是，我在查询里打开"explain":true选项，查看分数是怎么计算的，发现doc frequency, avgfieldlength看着都不对。 
 
百思不得其解的情况下，Google了一下，在这里找到了答案:
https://github.com/elastic/elasticsearch/issues/24429
 
简而言之，ES的相关性打分计算是每个shard独立做的。一个索引默认5个shard，如果象示例里那样，写入的文档比较少，可能这些文档分布在不同的shard，造成各个shard分别计算各自的得分的时候，并没有将这几条文档放在一起产生统计数据。 各自的打分不具有可比性。
 
所以，后面我又做了一个测试，删掉这个索引，重新创建一个，将shard设置为1，重新写入同样3条文档后再搜索，"柠檬”是排第一位返回的。
 
那么怎么看待这个问题？  因为ES是分布式搜索系统，各个shard独立搜索，独立计算该shard上的文档打分，当数据量比较大的情况下， 上面说的差异统计上看基本被抹平了，通常没什么问题。  但如果索引的文档比较少，不同shard之间对同一个搜索关键词的统计数据差异可能就比较大，这种情况下只能使用一个shard来解决了。