动漫设计工作室网站推广方法_建站行业市场_今日军事新闻头条打仗_app开发工具

0. 前言

假设有这样一个业务场景：
如何实现类似电商搜索按照价格、销量、评分等因素的实时综合排序？

要实现这样的功能，就需要引出我们的主角了：Function score query。

1. Function score query 是什么

Function score query 主要用于修改文档的算分场景，在开发中使用频率非常高。
该查询 API, 有以下参数：

1. query
   • 作用： 定义要过滤和被修改评分的文档。可以是任何有效的查询
2. boost
   • 描述： 浮点数值，用于调整文档得分
   • 作用： 修改所有返回文档的得分
3. functions
   • 描述： 函数数组，定义如何调整得分
   • 作用： functions 中的每个函数都可修改文档得分，包括以下函数
     • weight： 给文档加权重
     • random_score： 使用随机值调整得分
     • field_value_factor： 基于文档字段值计算得分
     • script_score： 使用脚本计算得分
     • decay functions： 使用算法（如 exp, linear, gauss）针对某个字段的值进行衰退。
4. score_mode：
   • 作用： 如何组合多个函数的得分。可选值包括
     • sum： 所有函数得分相加
     • multiply： 所有函数得分相乘
     • first： 只使用第一个函数的得分
     • max： 取最大得分
     • min： 取最小得分
5. boost_mode：
   • 作用： 定义文档原始得分与函数得分的组合方式。可选值包括
     • replace： 使用函数得分替代原始得分
     • sum： 函数得分 + 原始得分
     • multiply： 函数得分 * 原始得分
     • max： max(函数得分，原始得分)
     • avg： 取均值
     • min： min(函数得分，原始得分)
6. min_score：
   • 作用： 浮点值，只返回得分高于该值的文档
7. max_boost：
   • 描述： 浮点数值，限制文档的最大得分

下面，我将通过具体例子的方式，带大家了解使用

2. field_value_factor 基本使用

2.1 查询例子

写入测试数据

POST /_bulk
{"index": {"_index":"test_19","_id": "1"}}
{"shopName":"elasticsearch","sales_volume": 2134,"score": 3.3}
{"index": {"_index":"test_19","_id": "2"}}
{"shopName":"java","sales_volume": 124912,"score": 4.9}
{"index": {"_index":"test_19","_id": "3"}}
{"shopName":"golang","sales_volume": 34352,"score": 4.2}
{"index": {"_index":"test_19", "_id": "4"}}
{"shopName":"nodejs","sales_volume": 7545,"score": 5.0}
{"index": {"_index":"test_19", "_id": "5"}}
{"shopName":"rust","sales_volume": 31221,"score": 5.0}

查询

GET test_19/_search
{"query": {"function_score": {"query": {"match_all": {}},"functions": [{"script_score": {"script": """if (doc['sales_volume'].value < 10) {return _score * 0.1} else if (doc['sales_volume'].value < 100) {return _score * 2} else if (doc['sales_volume'].value < 1000) {return _score * 3} else if (doc['sales_volume'].value < 10000) {return _score * 4} else {return _score * 5}"""},"weight": 2},{"field_value_factor": {"field": "score","factor": 1.5,"modifier": "sqrt","missing": 1},"weight": 3}],"min_score": 2,"max_boost": 3.5,"score_mode": "avg","boost_mode": "multiply"}}
}

2.2 算分解释

score_mode=avg 算出来的得分为：
score1 = (score(script_score) * weight(2) + score(field_value_factor) * weight(3)) / (weight(2) + weight(3))
注意，这里除的是 2 个函数的 weight 相加值，默认 weight = 1
boost_mode=multiply 算出来的文档最终得分为：
最终得分 = score1 * 文档原始得分

其中 field_value_factor 函数的算分如下：
sqrt(doc['score'].value * 1.5)

2.3 参数说明

• field： 文档字段
• factor： 乘以 field 的因子，默认 1
• modifier： 使用的函数，有以下值：none, log, log1p, log2p, ln, ln1p, ln2p, square, sqrt, reciprocal，默认为 none
• missing： 当 field 缺失时的默认值

3. random_score 基本使用

3.1 查询例子

GET test_19/_search
{"query": {"function_score": {"query": {"match_all": {}},"functions": [{"random_score": {"seed": 2,"field": "shopName.keyword"}}],"boost_mode": "replace"}} 
}

3.2 参数说明

• seed： 随机数种子
• field： 不能使用 text 字段，当 seed, field 相同时，同一个查询条件下，随机值会一致

4. weight、script_score

在介绍 field_value_factor 时，已经介绍了 weight 和 script_score 不再过多介绍。

5. 衰退函数

根据某个值，来降低文档的得分。

5.1 gauss

gauss 衰退函数使用正态分布（高斯分布）来计算得分衰退。得分从一个最大值开始，随着距离的增加（或时间的推移）而逐渐降低。

5.1.1 主要参数

1. origin
   • 作用： 确定得分的起点，以该值向两边衰退。该值一般为 数字、时间、地理坐标
2. scale
   • 作用： 衰退的范围，决定得分下降的速度。在范围内得分会相对较高
3. offset（可选）
   • 作用： 在偏离 origin 多少 offset 范围内，得分不会降低

5.1.2 查询例子

PUT test_19_decay
{"mappings": {"properties": {"location": {"type": "geo_point"},"name": {"type": "keyword"},"score": {"type": "double"}}}
}

PUT /_bulk
{"index": {"_index":"test_19_decay","_id": "1"}}
{"name":"elasticsearch","location": {"lon": -71.34,"lat": 41.12}, "score": 3.2}
{"index": {"_index":"test_19_decay","_id": "2"}}
{"name":"java","location": {"lon": 123.21,"lat": 21.21},"score": 4.2}
{"index": {"_index":"test_19_decay","_id": "3"}}
{"name":"golang","location": {"lon": 73.21,"lat": -22.11},"score": 2.2}
{"index": {"_index":"test_19_decay","_id": "4"}}
{"name":"nodejs","location": {"lon": -98.21,"lat": -44.11},"score": 5.0}
{"index": {"_index":"test_19_decay","_id": "5"}}
{"name":"rust","location": {"lon": 65.12,"lat": 56.23},"score": 1.2}

GET test_19_decay/_search
{"query": {"function_score": {"query": {"match_all": {}},"functions": [{"gauss": {"location": {"origin": "56.23,65.12","scale": "10km","offset": "1km"}},"weight": 2},{"script_score": {"script": {"source": "_score * doc['score'].value"}}}],"score_mode": "sum", "boost_mode": "sum"}}
}

gauss 函数说明
在坐标 (56.23,65.12) 附近 1km 内，得分始终保持为 1。在 10km 内，得分会保持较高。

5.2 exp

exp 使用指数衰减来计算得分，远离 origin 得分会快速降低，适合对距离或时间敏感的，使用上和 gauss 一致。

GET test_19_decay/_search
{"query": {"function_score": {"query": {"match_all": {}},"functions": [{"exp": {"location": {"origin": "56.23,65.12","scale": "10km","offset": "1km"}},"weight": 2},{"script_score": {"script": {"source": "_score * doc['score'].value"}}}],"score_mode": "sum", "boost_mode": "sum"}}
}

5.3 linear

linear 衰退函数使用线性方式调整得分。随着距离的增加，得分按线性方式逐渐减少，适合需要平滑衰减的场景，使用上和 gauss 一致。

GET test_19_decay/_search
{"query": {"function_score": {"query": {"match_all": {}},"functions": [{"linear": {"location": {"origin": "56.23,65.12","scale": "10km","offset": "1km"}},"weight": 2},{"script_score": {"script": {"source": "_score * doc['score'].value"}}}],"score_mode": "sum", "boost_mode": "sum"}}
}