ElasticSearch的劈山斧-自定义评分

ElasticSearch自定义评分

一、适用的场景

1.基本介绍

ES的使用中，ES会对我们匹配文档进行相关度评分。但对于一些定制化的场景，默认评分规则满足不了我们的要求。这些定制化场景，ES也是推出了自定义评分方式来进行支持。可以使用ES提供的一些函数，什么可以使用比较分来让我们的评分规则多样化？我举个大家都很熟悉的场景，在点外卖时候，大家是不是有一个综合排序，比如用户希望通过距离和价格来进行综合排序，这在mysql中是不是比较难以实现，接下来我将由简到繁的来教你如何在ES中实现这种综合评分排序的功能。

2.使用场景

2.1根据价格评分排序

在mysql中我们可以通过价格从高到低，从低到高排序，但是像订酒店那样，用户有期望价格的，酒店越符合用户的期望价格，评分越高。mysql的排序这时候是不是有点捉襟见肘了。废话不多说了，直接来ES实现。

{

    "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"

            }

        }

    ]

}

2.2根据距离评分排序

在我们日常使用的场景，我们经常有需要根据距离来进行排序评分，常见的App中都是有一个距离更近，来筛选商户。接下来就来看看ES的实现。

{

    "from": 0,

    "size": 12,

    "query": {

        "function_score": {

            "query": {

                "bool": {

                    "must": [

                        {

                            "term": {

                                "price": {

              &