ES 自定义打分

Elasticsearch 会为 query 的每个文档计算一个相关度得分 score ，并默认按照 score 从高到低的顺序返回搜索结果。 在很多场景下，我们不仅需要搜索到匹配的结果，还需要能够按照某种方式对搜索结果重新打分排序。例如：

•搜索具有某个关键词的文档，同时考虑到文档的时效性进行综合排序。•搜索某个旅游景点附近的酒店，同时根据距离远近和价格等因素综合排序。•搜索标题包含 elasticsearch 的文章，同时根据浏览次数和点赞数进行综合排序。

Function score query 就可以让我们实现对最终 score 的自定义打分。

score 自定义打分过程

为了行文方便，本文把 ES 对 query 匹配的文档进行打分得到的 score 记为 query_score ，而最终搜索结果的 score 记为 result_score ，显然，一般情况下（也就是不使用自定义打分时），result_score 就是 query_score 。

那么当我们使用了自定义打分之后呢？最终结果的 score 即 result_score 的计算过程如下：

1.跟原来一样执行 query 并且得到原来的 query_score 。2.执行设置的自定义打分函数，并为每个文档得到一个新的分数，本文记为 func_score 。3.最终结果的分数 result_score 等于 query_score 与 func_score 按某种方式计算的结果（默认是相乘）。

例如，搜索标题包含 elasticsearch 的文档。

不使用自定义打分，则搜索形如：

GET /_search
{
  "query": {
    "match": {
      "title": "elasticsearch"
    }
  }
}

假设我们最终得到了三个搜索结果，score 分别是 0.3、0.2、0.1 。

使用自定义打分，即 function_score ，则语法形如：

GET /_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "elasticsearch"
        }
      }
      <!-- 设置自定义打分函数，这里先省略，后面再展开讲解 -->
      "boost_mode": "multiply"
    }
  }
}

最终搜索结果 score 的计算过程就是：

1.执行 query 得到原始的分数，与上文假设对应，即 query_score 分别是 0.3、0.2、0.1 。2.执行自定义的打分函数，这一步会为每个文档得到一个新的分数，假设新的分数即 func_score 分别是 1、3、5 。3.最终结果的 score 分数即 result_score = query_score * func_score ，对应假设的三个搜索结果最终的 score 分别就是 0.3 * 1 = 0.3 、0.2 * 3 = 0.6、0.1 * 5 = 0.5 ，至此我们完成了新的打分过程，而搜索结果也会按照最终的 score 降序排列。

最终的分数 result_score 是由 query_score 与 func_score 进行计算而来，计算方式由参数 boost_mode 定义：

•multiply : 相乘（默认），result_score = query_score * function_score•replace : 替换，result_score = function_score•sum : 相加，result_score = query_score + function_score•avg : 取两者的平均值，result_score = Avg(query_score, function_score)•max : 取两者之中的最大值，result_score = Max(query_score, function_score)•min : 取两者之中的最小值，result_score = Min(query_score, function_score)

本文读到这，你应该已经对自定义打分的过程有了一个基本印象（query 原始分数、自定义函数得分、最终结果 score )。但是我们还有一个关键点没讲，即怎么设置自定义打分函数？

function_score 打分函数

function_score 提供了以下几种打分的函数：

•weight : 加权。•random_score : 随机打分。•field_value_factor : 使用字段的数值参与计算分数。•decay_function : 衰减函数 gauss, linear, exp 等。•script_score : 自定义脚本。

weight

weight 加权，也就是给每个文档一个权重值。

示例：

{
  "query": {
    "function_score": {
      "query": { "match": { "message": "elasticsearch" } },
      "weight": 5
    }
  }
}

例子中的 weight 是 5 ，即自定义函数得分 func_score = 5 ，最终结果的 score 等于 query_score * 5 。

当然这个示例将匹配项全部加权并不会改变搜索结果顺序，我们再看一个例子：

{
  "query": {
    "function_score": {
      "query": { "match": { "message": "elasticsearch" } },
      "functions": [
        {
          "filter": { "match": { "title": "elasticsearch" } },
          "weight": 5
        }
      ]
    }
  }
}

我们可以通过 filter 去限制 weight 的作用范围，另外我们可以在 functions 中同时使用多个打分函数。

random_score

random_score 随机打分，生成 [0, 1) 之间均匀分布的随机分数值。

示例：

GET /_search
{
  "query": {
    "function_score": {
      "random_score": {}
    }
  }
}

虽然是随机值，但是有时候我们需要随机值保持一致，比如所有用户都随机产生搜索结果，但是同一个用户的随机结果前后保持一致，这时只需要为同一个用户指定相同的 seed 即可。

示例

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