es painless 排序_Elasticsearch中使用painless实现评分「建议收藏」

使用Elasticsearch(ES)作为搜索引擎时我们常常需要根据文档的属性值自定义它们的排序，为用户提供高质量的搜索结果。

以下内容已在 ElasticSearch 7.1.1 Linux 集群中测试。

ES中的rest_api中提供了自定义评分选项，分别为function_score下的function_script和script_score。其中function_score可以用于简单的评分需求，但是当我们要加入文档PageRank的影响，加入时间衰减因子，且根据文档类型给予不同的乘法因子等，简单的function_script就无能为力了；而script_score，也就是本文将介绍的内容，可以用于满足复杂的，高度定制化的评分需求。

painless语言可以采用动态隐式类型声明，类似groovy的语法，如：

def i = 1;

也可以使用静态显式类型，类似Java的语法：

int i = 1;

基于明确好于隐式的原则，接下来实例中采用强类型的Java语法。

Java ES前端代码：

/**这里的script-id为我们通过ES的_scripts API储存在ES集群中的值一下为Kibana devtools中更新和获取最新值方法，更新实时生效下次请求就会有最新的排序结果更新方法(script-id是自已定的script的名字)：POST _scripts/script-id{“script”: {“lang” : “painless”,”source” : “// Your script score code here “}}获取方法：GET _scripts/script-id*/

// 在Java 中使用stored script_score：Map scriptParams = new HashMap() {

private static final long serialVersionUID = 1L;

{

put(“now”, new Date().toInstant().toEpochMilli());

}

};

Script script = new Script(ScriptType.STORED, null, “script-id”, scriptParams);

ScriptScoreFunctionBuilder scriptScoreBuilder = ScoreFunctionBuilders.scriptFunction(script);

FunctionScoreQueryBuilder functionScoreBuilder = QueryBuilder

.functionScoreQuery(/* originalBuilder */, scriptScoreBuilder)

.boostMode(CombineFunction.REPLACE);

painless示例，在下面的脚本中我们用painless脚本实现了等价于内置高斯衰减的函数

// params、_score和doc是特殊变量

// params用来获取在(Java)代码中生成得到的值，// 如new Date()long now = params[‘now’]; // 从params获取now变量的值，这个值在每次接受请求时 // 由Java生成，比如：new Date().toInstant().toEpochMilli() // 处于安全考虑，painless中不允许new Date()的使用。

// _score是当前文档的BM25评分。// 以下painless代码实现了获取当前时间和根据当前时间更新评分。

// doc是当前文档// 可以通过doc[‘SomeProp’]获取文档的SomeProp属性的包装对象// 通过doc[‘SomeProp’].value获取文档的SomeProp属性真实值

// 假设索引中有类型为Date的pubDate字段，记录的文档的发表时间。// 用doc[‘pubDate’].value获取值long docTime = doc[‘pubDate’].value.toInstant().toEpochMilli();

long docVal = now – docTime;

long year = 1000L * 3600 * 24 * 365; // year in milliseconds

long gaussScale = year * 1.5;

long gaussOffset = year * 0;

double gaussDecay = 0.5;

double sigmaSquare = – (Math.pow(gaussScale, 2) / (2 * Math.log(gaussDecay)));

double gaussMultiplier = Math.exp(-1 * Math.pow(Math.max(0, Math.abs(docTime – now) – gaussOffset), 2) / 2 / sigmaSquare);

return _score * gaussMultiplier;

参考