首页手记 Elasticsearch自定义文档得分并排序

Elasticsearch自定义文档得分并排序

标签：

Java Python

大多数情况下，我们需要对查询结果排序，比方说按最新时间降序、按金额降序等。我们只需要对相应的字段 sort 即可。但有时候也会出现一些复杂的情况，比方说有A、B、C、D、E类数据，他想让你给这类数据重新定义优先级，按照B、E、D、A、C的顺序展示，并且每类数据内部按时间降序。然而最近我们也提出了一个类似这样的需求，查阅相关文档后，发现Elasticsearch里的function_socre函数可以实现这一功能，遂将此学习内容做一个记录。

先来看看function_score是什么，它能做什么？根据官网的原话：

The function_score allows you to modify the score of documents that are retrieved by a query.

function_score允许你修改通过查询检索出来的文档的得分。

下面我们通过一些简单的例子来看看function_score怎么使用。

function_score可以为所有文档生成一个随机分数：

GET us_police_shooting_index/_search
{
  "query": {
    "function_score": {
      "query": {
        "match_all": {}
      },
      "random_score": {},
      "boost": 5,
      "boost_mode": "min"
    }
  }
}

还可以组合不同的过滤条件，设置权重：

GET us_police_shooting_index/_search
{
  "query": {
    "function_score": {
      "query": {
        "match_all": {}
      },
      "functions": [
        {
          "filter": {
            "match": {
              "race": "Asian"
            }
          },
          "weight": 8
        },
        {
          "filter": {
            "match": {
              "race": "White"
            }
          },
          "weight": 2
        }
      ],
      "max_boost": 20,
      "score_mode": "max",
      "boost_mode": "sum",
      "min_score": 3
    }
  }
}

如果functions里的filter未给出，那么将会匹配所有文档，相当于 "match_all":{}。

我们看看function_score为我们提供了哪些参数：

score_mode指定了该如何去合并每个文档生成的评分：

`score_mode`	定义
`multiply`	`函数结果相乘（默认）`
`sum`	`函数结果相加`
`avg`	`函数结果的平均值`
`first`	`使用首个函数的结果做为最终结果`
`max`	`函数结果的最大值`
`min`	`函数结果的最小值`

boost_mode可以用来控制函数与查询评分_score合并后的结果：

`boost_mode`	定义
`multiply`	`评分_score与函数值的乘积(默认)`
`replace`	`评分_score会被忽略，仅使用函数值`
`sum`	`评分_score与函数值之和`
`avg`	`评分_score与函数值的平均值`
`max`	`评分_score与函数值间的最大值`
`min`	`评分_score与函数值间的最小值`

min_score可以设置为期望分数的阈值，能够排出不符合特定分数阈值的文档。
max_boost可以限制函数的最大效果，但是不会对最终的评分_score产生直接的影响。

function_score还提供几种类型的评分函数：

script_score：脚本评分函数允许计算自定义查询的评分，脚本表达式需使用文档中的数值字段。查询的分数将与脚本评分的结果相乘，如果不想使用这种方式，可通过设置"boost_mode":"replace"来禁止。

GET /_search
{
  "query": {
    "function_score": {
      "query": {
        "match": { "message": "elasticsearch" }
      },
      "script_score": {
        "script": {
          "source": "Math.log(2 + doc['likes'].value)"
        }
      }
    }
  }
}

GET /_search
{
  "query": {
    "function_score": {
      "query": {
        "match": { "message": "elasticsearch" }
      },
      "script_score": {
        "script": {
          "params": {
            "a": 5,
            "b": 1.2
          },
          "source": "params.a / Math.pow(params.b, doc['likes'].value)"
        }
      }
    }
  }
}

weight：权重函数可以将评分与weight值相乘，weight的值是float类型。

random_score：随机评分函数会产生一个0到1之间的分数，当种子feed值相同时，生成的随机结果是一致的。

GET /_search
{
  "query": {
    "function_score": {
      "random_score": {
        "seed": 10,
        "field": "_seq_no"
      }
    }
  }
}

field_value_factor：通过使用文档中的某个字段来影响评分。如果这个字段有多个值，那么只有第一个值才被用来计算评分。

GET /_search
{
  "query": {
    "function_score": {
      "field_value_factor": {
        "field": "likes",
        "factor": 1.2,
        "modifier": "sqrt",
        "missing": 1
      }
    }
  }
}
# 上面评分的计算相当于 sqrt(1.2 * doc['likes'].value)

filed：文档中提取的字段。
factor：字段值乘以的可选因子，默认是1。
modifier：none, log, log1p, log2p, ln, ln1p, ln2p, square, sqrt, reciprocal。默认值是 none.

decay_functions：衰减函数的功能与范围查询类似，但它具有更平滑的边缘。衰减函数支持gauss、linear、exp中任意一种函数，并且都能接收以下参数：

origin：中心点或字段可能的最佳值，落在原点origin上的文档评分_score为满分1.0。字段必须是数值、日期或地理坐标类型。
scale：衰减率，一个文档从原点origin下落时，评分_score改变的速度。
offset：以原点origin为中心点，为其设置一个非零的offset覆盖一个范围，而不只是单个原点。在范围-offset <= origin <= +offset内的所有评分_score都是1.0。
decay：从原点origin衰减到scale所得的评分_score，默认是0.5。

GET /_search
{
  "query": {
    "function_score": {
      "functions": [
        {
          "gauss": {
            "price": {
              "origin": "0",
              "scale": "20"
            }
          }
        },
        {
          "gauss": {
            "location": {
              "origin": "11, 12",
              "scale": "2km"
            }
          }
        }
      ],
      "query": {
        "match": {
          "properties": "balcony"
        }
      },
      "score_mode": "multiply"
    }
  }
}

官方文档有这么一张图片说明了三个函数的衰减曲线形状：

以上就是function_score函数的大部分内容。现在我们来具体实现文章开头提到的一个需求。我准备了一份不同歌手的歌曲发行时间的测试数据，主要字段有歌手名name、歌曲名song、发行时间publishDate。

首先我们先按歌手名降序，发行时间升序，很容易能写出下面的DSL语句：

GET music_index/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "name.keyword": {
        "order": "desc"
      },
      "publishDate.keyword": {
        "order": "asc"
      }
    }
  ]
}

现在我想按许冠杰、邓丽君、陈百强的顺序进行展示，并且各自的歌曲按发行时间升序，function_score就体现出它的作用了：

GET music_index/_search
{
  "query": {
    "function_score": {
      "query": {
        "match_all": {}
      },
      "functions": [
        {
          "filter": {
            "term": {
              "name.keyword": "许冠杰"
            }
          },
          "weight": 5
        },
        {
          "filter": {
            "term": {
              "name.keyword": "邓丽君"
            }
          },
          "weight": 4
        },
        {
          "filter": {
            "term": {
              "name.keyword": "陈百强"
            }
          },
          "weight": 3
        }
      ]
    }
  },
  "sort": [
    {
      "_score": {
        "order": "desc"
      },
      "publishDate.keyword": {
        "order": "asc"
      }
    }
  ]
}