请注意:
本书基于 Elasticsearch 2.x 版本,有些内容可能已经过时。
本书基于 Elasticsearch 2.x 版本,有些内容可能已经过时。
function_score 查询
editfunction_score 查询
editfunction_score
查询
是用来控制评分过程的终极武器,它允许为每个与主查询匹配的文档应用一个函数,以达到改变甚至完全替换原始查询评分 _score
的目的。
实际上,也能用过滤器对结果的 子集 应用不同的函数,这样一箭双雕:既能高效评分,又能利用过滤器缓存。
Elasticsearch 预定义了一些函数:
-
weight
-
为每个文档应用一个简单而不被规范化的权重提升值:当
weight
为2
时,最终结果为2 * _score
。 -
field_value_factor
-
使用这个值来修改
_score
,如将popularity
或votes
(受欢迎或赞)作为考虑因素。 -
random_score
- 为每个用户都使用一个不同的随机评分对结果排序,但对某一具体用户来说,看到的顺序始终是一致的。
-
衰减函数 ——
linear
、exp
、gauss
-
将浮动值结合到评分
_score
中,例如结合publish_date
获得最近发布的文档,结合geo_location
获得更接近某个具体经纬度(lat/lon)地点的文档,结合price
获得更接近某个特定价格的文档。 -
script_score
- 如果需求超出以上范围时,用自定义脚本可以完全控制评分计算,实现所需逻辑。
如果没有 function_score
查询,就不能将全文查询与最新发生这种因子结合在一起评分,而不得不根据评分 _score
或时间 date
进行排序;这会相互影响抵消两种排序各自的效果。这个查询可以使两个效果融合:可以仍然根据全文相关度进行排序,但也会同时考虑最新发布文档、流行文档、或接近用户希望价格的产品。正如所设想的,查询要考虑所有这些因素会非常复杂,让我们先从简单的例子开始,然后顺着梯子慢慢向上爬,增加复杂度。