ElasticSearch - function_score详解

function_score内容较多，此篇主要是对function_score内容做系统性的讲解，之后会出几篇实际应用的方法，参考以下链接
1- ElasticSearch - function_score (field_value_factor具体实例)
2- ElasticSearch - function_score (衰减函数 linear、exp、gauss 具体实例)

1. 前言

在使用 Elasticsearch 进行全文搜索时，搜索结果默认会以文档的相关度进行排序，如果想要改变默认的排序规则，也可以通过sort指定一个或多个排序字段。但是使用sort排序过于绝对，它会直接忽略掉文档本身的相关度（根本不会去计算）。在很多时候这样做的效果并不好，这时候就需要对多个字段进行综合评估，得出一个最终的排序。Elasticsearch提供了function_score功能来满足我们的需求。

2. function_score简介

在使用ES进行全文搜索时，搜索结果默认会以文档的相关度进行排序，而这个 “文档的相关度”，是可以透过 function_score 自己定义的，也就是说我们可以透过使用function_score，来控制 “怎麽样的文档相关度更高” 这件事。

• function_score是专门用于处理文档_score的DSL，它允许爲每个主查询query匹配的文档应用加强函数， 以达到改变原始查询评分 score的目的。
• function_score会在主查询query结束后对每一个匹配的文档进行一系列的重打分操作，能够对多个字段一起进行综合评估，且能够使用 filter 将结果划分爲多个子集 (每个特性一个filter)，并为每个子集使用不同的加强函数。

3. function_score参数

3.1 function_score 提供了几种加强_score计算的函数：

• weight : 设置一个简单而不被规范化的权重提升值。
  weight加强函数和 boost参数类似，可以用于任何查询，不过有一点差别是weight不会被Lucene nomalize成难以理解的浮点数，而是直接被应用 (boost会被nomalize)

  例如当 weight 爲 2 时，最终结果爲new_score = old_score * 2

• field_value_factor : 将某个字段的值乘上old_score。

  像是将 字段shareCount 或是 字段likiCount 作爲考虑因素，new_score = old_score * 那个文档的likeCount的值

• random_score : 爲每个用户都使用一个不同的随机评分对结果排序，但对某一具体用户来说，看到的顺序始终是一致的。

• 衰减函数 (linear、exp、guass) : 以某个字段的值为基准，距离某个值越近得分越高。

• script_score : 当需求超出以上范围时，可以用自定义脚本完全控制评分计算，不过因为还要额外维护脚本不好维护，因此尽量使用ES提供的评分函数，需求真的无法满足再使用script_score。

3.2 function_scroe其他辅助的参数

3.2.1 boost_mode

boost_mode决定 old_score 和 加强score 如何合并。

• multiply(默认) : new_score = old_score * 加强score
• sum : new_score = old_score + 加强score
• min : old_score 和 加强score 取较小值，new_score = min(old_score, 加强score)
• max : old_score 和 加强score 取较大值，new_score = max(old_score, 加强score)
• replace : 加强score直接替换掉old_score，new_score = 加强score

3.2.2 score_mode

score_mode决定functions裡面的加强score们怎麽合併，会先合併加强score们成一个总加强score，再使用总加强score去和old_score做合併，换言之就是会先执行score_mode，再执行boost_mode。

• multiply (默认)
• sum
• avg
• first : 使用首个函数(可以有filter，也可以没有)的结果作为最终结果。
• max
• min

3.2.3 max_boost

max_boost : 限制加强函数的最大效果，就是限制加强score最大能多少，但要注意不会限制old_score。

• 如果加强score超过了max_boost限制的值，会把加强score的值设成max_boost的值。
• 假设加强score是5，而max_boost是2，因为加强score超出了max_boost的限制，所以max_boost就会把加强score改为2。简单的说，就是加强score = min(加强score, max_boost)

4. function_score查询模板

如果要使用function_score改变分数，要使用function_score查询。简单的说，就是在一个function_score内部的query的全文搜索得到的_score基础上，给他加上其他字段的评分标准，就能够得到把 “全文搜索 + 其他字段” 综合起来评分的效果。

4.1 单个加强函数的查询模板

GET 127.0.0.1/mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {.....}, //主查询，查询完后这裡自己会有一个评分，就是old_score
            "field_value_factor": {...}, //在old_score的基础上，给他加强其他字段的评分，这裡会产生一个加强score
，如果只有一个加强function时，直接将加强函数名写在query下面就可以了
            "boost_mode": "multiply", //指定用哪种方式结合old_score和加强score成为new_score
            "max_boost": 1.5 //限制加强score的最高分，但是不会限制old_score
        }
    }
}

4.2 多个加强函数的查询模板

如果有多个加强函数，那就要使用functions来包含这些加强函数们，functions是一个数组，裡面放著的是将要被使用的加强函数列表。

可以为functions裡的加强函数指定一个filter，这样做的话，只有在文档满足此filter的要求，此filter的加强函数才会应用到文挡上，也可以不指定filter，这样的话此加强函数就会应用到全部的文挡上。

一个文档可以一次满足多条加强函数和多个filter，如果一次满足多个，那麽就会产生多个加强score，因此ES会使用score_mode定义的方式来合併这些加强score们，得到一个总加强score，得到总加强score之后，才会再使用boost_mode定义的方式去和old_score做合并。

例如： 下面的例子，field_value_factor和gauss这两个加强函数会应用到所有文档上，而weight只会应用到满足filter的文档上，假设有个文档满足了filter的条件，那他就会得到3个加强score，这3个加强score会使用sum的方式合併成一个总加强score，然后才和old_score使用multiply的方式合并。

GET 127.0.0.1/mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {.....},
            "functions": [   //可以有多个加强函数(或是filter+加强函数)，每一个加强函数会产生一个加强score，因
此functions会有多个加强score
                { "field_value_factor": ... },
                { "gauss": ... },
                { "filter": {...}, "weight": ... }
            ],
            "score_mode": "sum", //决定加强score们怎麽合併,
            "boost_mode": "multiply" //決定總加強score怎麼和old_score合併
        }
    }
}

5. 总结

不要执著在调整function_score上，文档相关度的调整非常玄，“最相关的文档” 是一个难以触及的模糊概念，每个人对文档排序有著不同的想法，这很容易使人陷入持续反覆调整，但是确没有明显的进展。为了避免跳入这种死循环，在调整function_score时，一定要搭配监控用户操作，才有意义。

例如：如果返回的文档是用户想要的高相关的文档，那麽用户就会选择前10个中的一个文档，得到想要的结果，反之，用户可能会来回点击，或是尝试新的搜索条件。一旦有了这些监控手段，想要调适完美的function_score就不是问题。

因此，调整function_score的重点在于，要透过监控用户、和用户互动，慢慢去调整我们的搜索条件，而不要妄想一步登天，第一次就把文档的相关度调整到最好，这几乎是不可能的，因为，连用户自己也不知道他自己想要什麽。