ElasticSearch[八]：自定義評分

一、適用的場景

• 基本介紹

ES 的使用中，ES 會對我們匹配文檔進行相關(guān)度評分。但對于一些定制化的場景，默認評分規(guī)則滿足不了我們的要求。這些定制化場景，ES 也是推出了自定義評分方式來進行支持?？梢允褂?ES 提供的一些函數(shù)，什么可以使用較分來讓我們的評分規(guī)則多樣化。我舉個大家都很熟悉的場景，在點外賣時候，大家是不是有一個綜合排序，比如用戶希望通過距離和價格來進行綜合排序，這在 mysql 中是不是比較難以實現(xiàn)，接下來我將由簡到繁的來教你如何在 ES 中實現(xiàn)這種綜合評分排序的功能

1.1 使用場景

1.1.1 根據(jù)價格評分排序

在 mysql 中我們可以通過價格從高到低，從低到高排序，但是像訂酒店那樣，用戶有期望價格的，酒店越符合用戶的期望價格，評分越高。mysql 的排序這時候是不是有點捉襟見肘了。廢話不多說了，直接來 ES 實現(xiàn)。

{
    "from": 0,
    "size": 12,
    "query": {
        "function_score": {
            "query": {
                "bool": {
                    "must": [
                        {
                            "term": {
                                "price": {
                                    "value": 50,
                                    "boost": 1.0
                                }
                            }
                        }
                    ],
                    "adjust_pure_negative": true,
                    "boost": 1.0
                }
            },
            "functions": [
                {
                    "filter": {
                        "match_all": {
                            "boost": 1.0
                        }
                    },
                    "gauss": {
                        "price": {
                            "origin": 50,
                            "offset": 0,
                            "scale": "25",
                            "decay": 0.5
                        }
                    }
                }
            ]
        }
    },
    "sort": [
        {
            "_score": {
                "order": "desc"
            }
        }
    ]
}

1.1.2 根據(jù)距離評分排序

在我們?nèi)粘Ｊ褂玫膱鼍?，我們?jīng)常有需要根據(jù)距離來進行排序評分，常見的 App 中都是有一個距離更近，來篩選商戶。接下來就來看看 ES 的實現(xiàn)。

{
    "from": 0,
    "size": 12,
    "query": {
        "function_score": {
            "query": {
                "bool": {
                    "must": [
                        {
                            "term": {
                                "price": {
                                    "value": 50,
                                    "boost": 1.0
                                }
                            }
                        }
                    ],
                    "adjust_pure_negative": true,
                    "boost": 1.0
                }
            },
            "functions": [
                {
                    "filter": {
                        "match_all": {
                            "boost": 1.0
                        }
                    },
                    "gauss": {
                        "location": {
                            "origin": {
                                "lon": 130.380857,
                                "lat": 31.112834
                            },
                            "offset": 0,
                            "scale": "150km",
                            "decay": 0.5
                        }
                    }
                }
            ]
        }
    },
    "sort": [
        {
            "_score": {
                "order": "desc"
            }
        }
    ]
}

1.1.3 根據(jù)距離價格綜合評分排序

上面舉例了兩個單一的場景，要么是價格，要么是距離，那如果想實現(xiàn)復(fù)雜點的場景呢，希望通過距離和價格綜合排序。比如用戶希望訂一個距離虹橋火車站近的，價格 200 左右的酒店。廢話不多說，直接看實現(xiàn)。

{
    "from": 0,
    "size": 12,
    "query": {
        "function_score": {
            "query": {
                "match_all": {
                    "boost": 1.0
                }
            },
            "functions": [
                {
                    "filter": {
                        "match_all": {
                            "boost": 1.0
                        }
                    },
                    "gauss": {
                        "location": {
                            "origin": {
                                "lon": 130.380857,
                                "lat": 31.112834
                            },
                            "scale": "150km",
                            "decay": 0.5
                        },
                        "multi_value_mode": "MIN"
                    },
                    "weight": 1
                },
                {
                    "filter": {
                        "match_all": {
                            "boost": 1.0
                        }
                    },
                    "gauss": {
                        "price": {
                            "origin": 200,
                            "offset": 0,
                            "scale": "25",
                            "decay": 0.5
                        }
                    },
                    "weight": 2
                }
            ],
            "score_mode": "sum",
            "boost_mode": "replace",
            "max_boost": 3.4028235E38,
            "boost": 1.0
        }
    },
    "sort": [
        {
            "_score": {
                "order": "desc"
            }
        }
    ]
}

1.1.4 自定義編寫腳本

像上面都是 ES 提供給我們現(xiàn)成的功能函數(shù)，但是，用戶的場景千千萬，總有一個場景這些函數(shù)會不適合。比如，用戶希望酒店的價格的結(jié)尾含 8 的評分更高呢。ES 提供的這些函數(shù)就不起作用了，但 ES 還提供了終極密法。你可以自定義腳本來決定每個文檔的分數(shù)。

{
    "from": 0,
    "size": 12,
    "query": {
        "function_score": {
            "query": {
                "bool": {
                    "must": [
                        {
                            "term": {
                                "price": {
                                    "value": 50,
                                    "boost": 1.0
                                }
                            }
                        }
                    ],
                    "adjust_pure_negative": true,
                    "boost": 1.0
                }
            },
            "functions": [
                {
                    "filter": {
                        "match_all": {
                            "boost": 1.0
                        }
                    },
                    "script_score": {
                        "script": {
                            "source": "doc['price'].size()==0?0:5",
                            "lang": "painless"
                        }
                    }
                }
            ],
            "score_mode": "sum",
            "boost_mode": "replace",
            "max_boost": 3.4028235E38,
            "boost": 1.0
        }
    },
    "sort": [
        {
            "_score": {
                "order": "desc"
            }
        }
    ]
}

二、常用的字段解釋

• 整體結(jié)構(gòu)

如果需要使用自定義評分，評分查詢結(jié)構(gòu)和正常的查詢結(jié)構(gòu)還是有些區(qū)別的, 分頁和排序和正常的都是一樣的，主要還是 query 內(nèi)的成員，使用的是 function_score。我們來看看圖上圖框住的就是自定義評分需要使用的特定的查詢結(jié)構(gòu)?？纯蠢锩媸遣皇沁€有很多成員，接下來我一一為大家介紹這些成員的含義。

2.1 function_score

2.1.1 query

function_score 第一個成員 query，這個就和大家平時用的一樣，篩選符合條件的結(jié)果，并把這個結(jié)果用作后面的評分函數(shù)的數(shù)據(jù)來源，我們來看看它內(nèi)部的結(jié)構(gòu)。下圖框中，目的是為了查詢 price 為 50 的結(jié)果

2.1.2 functions

functions，也是我們使用評分函數(shù)和編寫腳本的地方，他的值是一個數(shù)組，也就是我們使用多個函數(shù)來進行綜合評分，還可以對每個評分進行權(quán)重控制，主要有以下幾個值

• filter

  filter 主要通過條件匹配結(jié)果作用在當(dāng)前函數(shù)上

• weight

weight 當(dāng)前函數(shù)的權(quán)重，函數(shù)的分值會乘上 weight

• ES 提供的幾種評分模式，是腳本還是隨機等

  1. 衰減函數(shù):
  先看看官方的圖，衰減函數(shù)的作用機制, 我們可以設(shè)定一個期望值，越接近期望值的分越高，分值在 0-1 之間，分別有三條對應(yīng)的函數(shù)曲線 linear 、 exp 和 gauss （線性、指數(shù)和高斯函數(shù)）
  

  原點（origin）：期望值，這個值可以得到滿分（1.0）
  偏移量（offset）：與原點相差在偏移量之內(nèi)的值也可以得到滿分
  衰減規(guī)模（scale）：當(dāng)值超出了原點到偏移量這段范圍，它所得的分數(shù)就開始進行衰減了，衰減規(guī)模需配合衰減值一起使用。比如衰減規(guī)模是 500 米，衰減值是 0.5，那么在 500 米的時候分值就是 0.5，具體衰減速率由函數(shù)曲線決定
  衰減值（decay）：該字段可以被接受的值（默認為 0.5），相當(dāng)于一個分界點，具體的效果與衰減的模式有關(guān)

  2. script_score：自定義腳本評分, 主要就是我們編寫腳本的地方

3. random_score：隨機得到 0 到 1 分數(shù)
4. field_value_factor：將某個字段的值進行計算得出分數(shù)。

2.1.3 score_mode

score_mode，主要是控制我們多個評分函數(shù)之間如何運算的，比如 function_score 第一個元素會對結(jié)果進行評分，第二元素也會對結(jié)果進行評分，我們通過參數(shù)來控制這兩個的評分是相加還是別的操作，這最終得出來的分值也稱為功能分值。有以下幾個可選值

2.1.4 boost_mode

boost_mode，控制的是查詢分值（下圖框起來的 1 的部分）和功能分值（下圖框起來的 2 的部分）是如何運算的。有以下幾個可選值

三、通過 ESJavaApi 實現(xiàn)自定義評分功能

public static void main(String[] args) {
        /**構(gòu)建functions**/
        FunctionScoreQueryBuilder.FilterFunctionBuilder[] filterFunctionBuilders = new FunctionScoreQueryBuilder.FilterFunctionBuilder[2];
        //第一個評分函數(shù)，gauss
        Map<String, Double> locationMap = new HashMap<String, Double>();
        locationMap.put("lat", 130.11);
        locationMap.put("lon", 12.12);
        ScoreFunctionBuilder gaussFunctionByLocation = ScoreFunctionBuilders.gaussDecayFunction("location", locationMap, "150km", 0, 0.5);
        filterFunctionBuilders[0] = new FunctionScoreQueryBuilder.FilterFunctionBuilder(gaussFunctionByLocation);
        //第二個評分函數(shù)，自定義評分
        String scriptLang = "painless";
        String script = "doc['price'].size()==0?0:5";
        ScriptScoreFunctionBuilder scriptFunction = ScoreFunctionBuilders.scriptFunction(new Script(Script.DEFAULT_SCRIPT_TYPE, scriptLang, script, Collections.emptyMap(), Collections.emptyMap()));
        filterFunctionBuilders[1] = new FunctionScoreQueryBuilder.FilterFunctionBuilder(scriptFunction);

        /**function_score**/
        //構(gòu)建query
        BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
        //設(shè)置query，functions
        FunctionScoreQueryBuilder functionScoreQueryBuilder = new FunctionScoreQueryBuilder(boolQueryBuilder, filterFunctionBuilders);
        //設(shè)置boostMode
        functionScoreQueryBuilder.boostMode(CombineFunction.REPLACE);
        //設(shè)置scoreMode
        functionScoreQueryBuilder.scoreMode(FunctionScoreQuery.ScoreMode.SUM);

        //設(shè)置分頁排序
        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
        sourceBuilder.from(0);
        sourceBuilder.size(12);
        sourceBuilder.sort("price", SortOrder.ASC);
        
        //執(zhí)行
        SearchRequest searchRequest = new SearchRequest("index_name");
        searchRequest.source(sourceBuilder);
    }

參考鏈接：

https://blog.csdn.net/qq_51641196/article/details/130074051?spm=1001.2014.3001.5502

https://blog.csdn.net/W2044377578/article/details/128636611文章來源地址http://www.zghlxwxcb.cn/news/detail-820889.html

到了這里，關(guān)于ElasticSearch[八]：自定義評分功能、使用場景講解以及 function_score常用的字段解釋的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！