ElasticSearch functional score应用

Lokie.Wang
2019-07-30 22:18:43
服务端
ELK

ElasticSearch的查询结果在使用match分词后，es的引擎会对搜索结果进行打分，然后通过分数的高低来进行排序，具体的打分算法涉及到Lucene的计分函数（Lucene’s Practical Scoring Function）、查询时权重提升（Query-Time Boosting）等两种方式来影响查询的分数。这里不展开关于Lucene的计分函数的内容，仅仅用来说明如何利用查询时权重提升中的一种方法，function score来改变查询。

具体业务需求如下，从前端根据关键词搜索文章，关键词会匹配标题、正文内容、额外要求三个不同的mapping字段，这个三个字段均要求全文分词，其中标题需要占用高比重。该需求简单的使用multi_match就可以实现，其查询DSL如下：

GET index/indexMapping/_search
{
    "_source": {
    "includes": ["NOTICE_NAME","NOTICE_SEND_TIME"], 
    "excludes": ["NOTICE_CONTENT","BIDDING_REQUIREMENT"]
  },
  "from": 0,
  "size": 100,
    "query": {
          "multi_match": {
            "query": "北京农商银行北京农民合作社信用评价系统项目 采购公告",
            "fields": ["NOTICE_NAME^5","NOTICE_CONTENT","BIDDING_REQUIREMENT"]
          }
    }

}

通过如上的查询可以获取记录，但是因为es会自动打分，所以除了精确匹配标题的分数最高在第一条外，有可能会搜素到比较老的数据，业务上要求除了score外需要考虑时间因素，但是不能利用sort方法去改变，因此需要设计function scrore query来进行调优。

GET index/indexMapping/_search
{
    "query": {
      "function_score": {
        "query": {
                "multi_match": {
                  "query": "北京农商银行北京农民合作社信用评价系统项目",
                  "fields": ["NOTICE_NAME^5","NOTICE_CONTENT","BIDDING_REQUIREMENT"]
                }
        },
        "score_mode": "max",
        "functions": [
          {
            "filter": {
              "match_phrase": { 
                "NOTICE_NAME": "北京农商银行北京农民合作社信用评价系统项目" } 
              },
              "weight": 10
          },
          {
            "gauss": {
              "NOTICE_SEND_TIME": {
                    "origin": "2019-07-29", 
                    "scale": "1d",
                    "offset": "15d", 
                    "decay" : 0.7 
              }
            }
          }
        ]

    }
  },
  "_source": {
    "includes": ["NOTICE_NAME","NOTICE_SEND_TIME"], 
    "excludes": ["NOTICE_CONTENT","BIDDING_REQUIREMENT"]
  },
  "from": 0,
  "size": 10
}

构造两个function，第一个用match_phrase做精确匹配标题，给与10倍的权重，对于时间，利用ES gass函数进行对于当前时间的范围调优。以上能够得到较为优秀的结果。

ES打分机制将逐步展开。

本文为Lokie.Wang原创文章,转载无需和我联系,但请注明来自lokie博客http://lokie.wang