Elasticsearch(十三)搜索---搜索匹配功能④--Constant Score查询、Function Score查询

最新推荐文章于 2023-09-19 23:15:00 发布
最新推荐文章于 2023-09-19 23:15:00 发布
阅读量1.6k 收藏 4
点赞数 1
分类专栏： elasticsearch 文章标签： elasticsearch java spring boot 搜索引擎
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44754515/article/details/132412364
版权

一、前言

之前我们学习了布尔查询，知道了filter查询只在乎查询条件和文档的匹配程度，但不会根据匹配程度对文档进行打分，而对于must、should这两个布尔查询会对文档进行打分，那如果我想在查询的时候同时不去在乎文档的打分（对搜索结果的排序），只想过滤文本字段是否包含这个词，除了filter查询，我们还会介绍Constant Score查询。相反，如果想干预这个分数，我们会使用Function Score查询，这些都会在后面介绍到。

二、Constant Score查询

如果不想让检索词频率TF（Term Frequency）对搜索结果排序有影响，只想过滤某个文本字段是否包含某个词，可以使用Constant Score将查询语句包装起来。
假设需要查询city字段是否包含关键词“上海”的酒店，则请求的DSL如下：

POST /hotel/_search
{
  "query": {
    "constant_score": {    //满足条件即打分为1（默认值是1）
      "filter": {
        "term": {   //term查询city中是上海的城市
           "city": "上海"
        }
      }
    }
  }
}

查询结果如下：

{
  ...
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "hotel",
        "_type" : "_doc",
        "_id" : "004",
        "_score" : 1.0,
        "_source" : {
          "title" : "京盛集团酒店",
          "city" : "上海",
          "price" : "800.00",
          "create_time" : "2021-05-29 21:35:00",
          "amenities" : "浴池(假日需预订),室内游泳池,普通停车场/充电停车场",
          "full_room" : true,
          "location" : {
            "lat" : 36.940243,
            "lon" : 120.394
          },
          "praise" : 100
        }
      },
      {
        "_index" : "hotel",
        "_type" : "_doc",
        "_id" : "006",
        "_score" : 1.0,
        "_source" : {
          "title" : "京盛集团精选酒店",
          "city" : "上海",
          "price" : "500.00",
          "create_time" : "2022-01-29 22:50:00",
          "full_room" : true,
          "location" : {
            "lat" : 40.918229,
            "lon" : 118.422011
          },
          "praise" : 20
        }
      }
    ]
  }
}

通过结果可以看到，使用Constant Score搜索时，命中的酒店文档对应的city字段都包含“上海”一词。但是不论该词在文档中出现多少次，这些文档的得分都是一样的1.0.
PS：很多人可能会把constant_score查询中的filter和布尔查询的filter搞混，constant_score中的filter可以把它想象成普通的query，它后面接的就是各种各样的查询子句。如term,terms,exists,bool等等。
比如我想同时使用must查询创建时间大于等于2022-01-29 22:50:00的hotel且不在乎打分，那么可以使用下面的DSL：

POST /hotel/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "bool": {
          "must": [
        {
          "range": {
            "create_time": {
              "gte": "2022-01-29 22:50:00"
            }
          }
        }
      ]
        }
      }
    }
  }
}

在Constant Score搜索中，参数boost可以控制命中文档的得分，默认值都是1.0，以下为更改boost参数为2.0的例子：

POST /hotel/_search
{
  "query": {
    "constant_score": {
      "boost":2.0,
      "filter": {
        "term": {
           "city": "上海"
        }
      }
    }
  }
}

查询结果如下：

{
  ...
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 2.0,
    "hits" : [
      {
        "_index" : "hotel",
        "_type" : "_doc",
        "_id" : "004",
        "_score" : 2.0,
        "_source" : {
          "title" : "京盛集团酒店",
          "city" : "上海",
          "price" : "800.00",
          "create_time" : "2021-05-29 21:35:00",
          "amenities" : "浴池(假日需预订),室内游泳池,普通停车场/充电停车场",
          "full_room" : true,
          "location" : {
            "lat" : 36.940243,
            "lon" : 120.394
          },
          "praise" : 100
        }
      },
      {
        "_index" : "hotel",
        "_type" : "_doc",
        "_id" : "006",
        "_score" : 2.0,
        "_source" : {
          "title" : "京盛集团精选酒店",
          "city" : "上海",
          "price" : "500.00",
          "create_time" : "2022-01-29 22:50:00",
          "full_room" : true,
          "location" : {
            "lat" : 40.918229,
            "lon" : 118.422011
          },
          "praise" : 20
        }
      }
    ]
  }
}

根据搜索结果可以看到，设定Boost值为2.0后，所有的命中的文档得分都为2.0。
然后对于Constant Score的效率问题，我们拿它和上一节讲到的filter查询做一个对比：

  1. Constant Score查询实际上就是一个没有分值函数的查询,它会将所有匹配文档的分值设置为一个常量。这种查询不需要计算每个匹配文档的相关度,所以效率会比普通查询高。
  2. 但是Constant Score查询还需要执行查询本身,比如匹配查询条件、过滤文档等步骤。而filter查询仅仅过滤文档,不计算分值,所以整体效率比Constant Score查询更高。
  3. Constant Score查询不会像filter查询那样缓存过滤结果。因为Constant Score查询还需要计算每个匹配文档的分值,而这一步不受过滤结果缓存的影响。
  4. 所以总的来说,在效率方面: filter查询 > Constant Score查询 > 普通查询

在java客户端上构建Constant Score搜索时，可以使用ConstantScoreQueryBuilder类的实例进行构建，它接收一个QueryBuilder参数，即可以接收termQueryBuilder,termsQueryBuilder,boolQueryBuilder等等，和之前的DSL是一样的，那么比如我们查询一个城市是上海或者北京的酒店，代码如下：
Service层,getQueryResult()可以看往期的博客，有具体的方法实现：

	public List<Hotel> constantScore(HotelDocRequest hotelDocRequest) throws IOException {
		//新建搜索请求
		String indexName = getNotNullIndexName(hotelDocRequest);
		SearchRequest searchRequest = new SearchRequest(indexName);
		SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
		TermQueryBuilder termQueryBuilder1 = QueryBuilders.termQuery("city", "北京");
		TermQueryBuilder termQueryBuilder2 = QueryBuilders.termQuery("city", "上海");
		BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
		boolQueryBuilder.should(termQueryBuilder1).should(termQueryBuilder2);
		//构建ConstantScoreBuilder
		ConstantScoreQueryBuilder constantScoreQueryBuilder = new ConstantScoreQueryBuilder(boolQueryBuilder);
		//设置固定分数2.0
		constantScoreQueryBuilder.boost(2.0f);
		searchSourceBuilder.query(constantScoreQueryBuilder);
		searchRequest.source(searchSourceBuilder);
		return getQueryResult(searchRequest);
	}

Controller层：

	@PostMapping("/query/constant_score")
	public FoundationResponse<List<Hotel>> constantScoreQuery(@RequestBody HotelDocRequest hotelDocRequest) {
		try {
			List<Hotel> hotelList = esQueryService.constantScore(hotelDocRequest);
			if (CollUtil.isNotEmpty(hotelList)) {
				return FoundationResponse.success(hotelList);
			} else {
				return FoundationResponse.error(100,"no data");
			}
		} catch (IOException e) {
			log.warn("搜索发生异常，原因为:{}", e.getMessage());
			return FoundationResponse.error(100, e.getMessage());
		} catch (Exception e) {
			log.error("服务发生异常，原因为:{}", e.getMessage());
			return FoundationResponse.error(100, e.getMessage());
		}
	}

Postman实现：
在这里插入图片描述

三、Function Score查询

当你使用ES进行搜索时，命中的文档默认按照相关度进行排序，有些场景下用户需要干预该“相关度”，此时就可以使用Function Score查询。使用时，用户必须定义一个查询以及一个或多个函数，这些函数为每一个文档计算一个新分数。
它允许每个主查询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。

3.1、function_score 查询模板

function_score 查询模板可以分为两类，分别为单个加强函数的查询和多个加强函数的查询。
单个加强函数的查询模板：

{
  "query": {
    "function_score": {
      "query": {.....}, //  主查询，查询完后会有一个 _score 评分
      "field_value_factor": {...}, //  在 _score 的基础上进行强化评分
      "boost_mode": "multiply", //  指定用哪种方式结合 _score 和 强化 score
      "max_boost": 1.5 //  限制强化 score 的最高分，但是不会限制 _score
    }
  }
}

多个加强函数的查询模板：

{
  "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
        { "field_value_factor": ... },
        { "gauss": ... },
        { "filter": {...}, "weight": ... }
      ],
      "score_mode": "sum", //  决定加强 score 们如何整合
      "boost_mode": "multiply" //  决定最后的 functions 中 score 和 query score 的结合方式
    }
  }
}

3.2、function_score 参数

强化 _score 计算的函数
function_score 提供了几种内置加强 _score 计算的函数功能：

  • 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 参数比较类似，可以用于任何查询，不过有一点差别是 weight 不会被 Lucene 规范化（normalize）成难以理解的浮点数，而是直接被应用。
例如，当 weight 为 2 时，最终得分为 new_score = 2 * _score。

POST /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "term": {
          "city": {
            "value": "上海"
          }
        }
      },
     "weight":2
    }
  }
}

输出后可以对比一下不加weight的默认分数，基本分数都翻了2倍

  • field_value_factor：指定文档中某个字段的值结合 _score 改变分数

属性如下：
field：指定字段名
factor：对字段值进行预处理，乘以(或者加，取决于boost_mode)指定的数值（默认为1）
modifier:将字段值进行加工，有以下的几个选项：

  1. none：不处理
  2. log：计算对数
  3. log1p：先将字段值+1，再计算对数
  4. log2p：先将字段值+2，再计算对数
  5. ln：计算自然对数
  6. ln1p：先将字段值+1，再计算自然对数
  7. ln2p：先将字段值+2，再计算自然对数
  8. square：计算平方
  9. sqrt：计算平方根
  10. reciprocal：计算倒数
{
  "query": {
    "function_score": {
      "query": {.....},
      "field_value_factor": {
        "field": "price",
        "modifier": "none",
        "factor": 1.2
      },
      "boost_mode": "multiply", 
      "max_boost": 1.5
    }
  }
}

调整后的 function 分数公式为，factor * doc['price'].value；如果boos_mode设定为sum,那么分数公式为factor + doc['price'].value；

例如我们让最终的分数以price字段进行增强，在原分数基础上*1.2

POST /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "term": {
          "city": {
            "value": "上海"
          }
        }
      },
      "field_value_factor": {
        "field":"price",
        "factor": 1.2
      },
      "boost_mode": "multiply"
    }
  }
}

再例如我想对字段值先乘1.2再+1再取对数，那么DSL如下：

POST /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "term": {
          "city": {
            "value": "上海"
          }
        }
      },
      "field_value_factor": {
        "field":"price",
        "modifier": "ln1p",
        "missing":1.0,
        "factor": 1.2
      },
      "boost_mode": "multiply"
    }
  }
}

在这里插入图片描述
function 分数为，ln1p(1.2 * doc['view_cnt'].value)，如果指定字段缺失用 missing 对应的值，至于和匹配的相关性分数 _score 如何结合需要下面的 boost_mode 参数来决定。

  • random_score：使用一致性随机分值计算来对每个用户采用不同的结果排序方式，对相同用户仍然使用相同的排序方式，其本质上用的是seed 种子参数，用户相关的 id 与 seed 构造映射关系，就可千人千面的效果，seed 不同排序结果也不同。具体示例如下：
    ①字段值相同，例如通过full_room,由上面查询结果可知，两个结果的full_room相同，此时使用random_score,两个的排序结果仍然是一致的：
POST /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "term": {
          "city": {
            "value": "上海"
          }
        }
      },
      "random_score": {
        "field":"full_room",
        "seed": 10
      },
      "boost_mode": "multiply"
    }
  }
}

在这里插入图片描述
如果对price进行随机加强，那么排序就会不一样：

POST /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "term": {
          "city": {
            "value": "上海"
          }
        }
      },
      "random_score": {
        "field":"price",
        "seed": 10
      },
      "boost_mode": "multiply"
    }
  }
}

在这里插入图片描述
我们可以调整seed，就会发现排序不一样。

  • 衰减函数（decay function）:es 内置了三种衰减函数，分别是 linear、exp 和 gauss；

三种衰减函数的差别只在于衰减曲线的形状，在 DSL 的语法上的用法完全一样；
linear : 线性函数是条直线，一旦直线与横轴0香蕉，所有其他值的评分都是0
exp : 指数函数是先剧烈衰减然后变缓
guass(最常用) : 高斯函数则是钟形的，他的衰减速率是先缓慢，然后变快，最后又放缓
在这里插入图片描述

origin：中心点 或字段可能的最佳值，落在原点 origin 上的文档评分 _score 为满分 1.0 。

scale：衰减率，即一个文档从原点 origin 下落时，评分 _score 改变的速度。（例如，每 £10 欧元或每 100 米）。

decay：从原点 origin 衰减到 scale 所得的评分 _score ，默认值为 0.5 。

offset：以原点 origin 为中心点，为其设置一个非零的偏移量 offset 覆盖一个范围，而不只是单个原点。在范围 -offset <= origin <= +offset 内的所有评分 _score 都是 1.0 。不设置默认是0

POST /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "term": {
          "city": {
            "value": "上海"
          }
        }
      },
      "gauss": {
        "price": {
              // 如果不设置offset，offset默认为0  公式 : origin-offset <= value <= origin+offset
             // 范围在800-0 <= value <= 800+0的文档的评分_score都是满分1.0
            //而在此范围之外，评分会开始衰减，衰减率由scale值(此处是300)和decay值(此处是0.2)决定
           // 也就是说，在origin + offset + scale或是origin - offset - scale的点上，得到的分数仅有decay分
          "origin": "800",
          "scale": "300",
          "decay": 0.2
        }
      }, 
      "boost_mode": "multiply"
    }
  }
}

在这里插入图片描述
对衰减函数感兴趣的小伙伴可以浏览这篇文章，讲的很详细，尤其是最后对于用户同时对于酒店的地理位置和价格去做一个筛选。

  • 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。

3.3、其它辅助函数

  • boost_mode 参数：决定 query 中的相关性分数和加强的函数分数的结合方式。

multiply：默认的配置，两者分数相乘，new_score = _score * boost_score；
sum：两者相加，new_score = _score + boost_score；
min：取两者最小值，new_score = min(_score, boost_score)；
max：取两者最大值，new_score = max(_score, boost_score)；
replace：用 boost_score 替换 _score 值。有时候我们可以通过replace看具体的函数得分是多少，便于我们排查问题

  • score_mode 参数决定 functions 里面的强化 score 如何结合

function_score 先会执行 score_mode 的设置，即先整合所有的强化计算，再执行 boost_mode 的配置，就是将 query 相关性分数和整合强化分数的结合。
multiply：默认的配置，多个强化分数相乘；
sum：多个强化分数相加；
min：取多个强化分数最小值；
max：取多个强化分数最大值；
avg：取多个强化分数平均值；
first：使用首个函数的结果作为最终结果。

  • 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 final_score = min(整合后的 score, max_boost)。

3.4、java实现

funtion_score的参数我们可以通过ScoreFunctionBuilders.xxx构筑
在这里插入图片描述
Service层实现：

	public List<Hotel> functionScoreScore(HotelDocRequest hotelDocRequest) throws IOException {
		//新建搜索请求
		String indexName = getNotNullIndexName(hotelDocRequest);
		SearchRequest searchRequest = new SearchRequest(indexName);
		SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
		TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("city", "上海");
		//构建FunctionScoreBuilder,比如这里构筑高斯函数（衰减函数）
		GaussDecayFunctionBuilder gaussDecayFunctionBuilder = ScoreFunctionBuilders.gaussDecayFunction(hotelDocRequest.getPropertiesName(), 800, 200, 0, 0.2);
		//构建Function Score查询
		FunctionScoreQueryBuilder functionScoreQueryBuilder = new FunctionScoreQueryBuilder(termQueryBuilder, gaussDecayFunctionBuilder).boostMode(CombineFunction.MULTIPLY);
		searchSourceBuilder.query(functionScoreQueryBuilder);
		searchRequest.source(searchSourceBuilder);
		return getQueryResult(searchRequest);
	}

controller层实现：

	@PostMapping("/query/function_score")
	public FoundationResponse<List<Hotel>> functionScoreQuery(@RequestBody HotelDocRequest hotelDocRequest) {
		try {
			List<Hotel> hotelList = esQueryService.functionScoreScore(hotelDocRequest);
			if (CollUtil.isNotEmpty(hotelList)) {
				return FoundationResponse.success(hotelList);
			} else {
				return FoundationResponse.error(100,"no data");
			}
		} catch (IOException e) {
			log.warn("搜索发生异常，原因为:{}", e.getMessage());
			return FoundationResponse.error(100, e.getMessage());
		} catch (Exception e) {
			log.error("服务发生异常，原因为:{}", e.getMessage());
			return FoundationResponse.error(100, e.getMessage());
		}
	}

postman实现截图：
在这里插入图片描述

雨～旋律
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
9.1.2-elasticsearch复合查询之constant_score/dis_max/function_score查询
红笺小字
06-14 1712
ES中DSL查询之constant_score查询、dis_max查询及function_score查询详细解析
Elasticsearch(十)搜索---搜索匹配功能①--查询所有文档和term级别查询_elasticsearch关系型数据库 搜索
最新发布
2401_84181383的博客
04-21 1003
/这里我直接New MatchAllQueryBuilder,不过更推荐QueryBuilders.matchAllQuery().boost(2.0f)“_source”: [“title”,“city”], //希望返回的结果字段。“from”: 0, //分页。“city”: { //搜索字段是city,字段类型为keyword。//新建match_all查询，并设置boost值为2.0。{VALUE}” //搜索值。
ES忽略TF-IDF评分——使用constant_score
djph26741的博客
02-27 544
Ignoring TF/IDF Sometimes we just don’t care about TF/IDF.All we want to know is that a certain word appears in a field. Perhaps we are searching for a vacation home and we want to ...
ES 搜索19 (constant_score查询 忽略评分)
qq_42383787的博客
08-23 7531
忽略 TF/IDF (忽略评分) 有时候我们根本不关心 TF/IDF ，只想知道一个词是否在某个字段中出现过。可能搜索一个度假屋并希望它能尽可能有以下设施： WiFi Garden（花园） Pool（游泳池） 这个度假屋的文档如下： { "description": "A delightful four-bedroomed house with ... " } 可以用简单的mat...
Elasticsearch--constant_score
热门推荐
u014431852的博客
10-14 2万+
constant_score的用处 当我们不关心检索词频TF（Term Frequency）对搜索结果排序的影响时，可以使用constant_score将查询语句query或者过滤语句filter包装起来。 完整的查询语句如下：{ "query":{ "bool":{ "should": [ { "constant_sc
es - elasticsearch search - DSL - constant_score
我的博客
06-30 312
世界上并没有完美的程序，但是我们并不因此而沮丧，因为写程序就是一个不断追求完美的过程。 问：constant_score有什么特点？ 答： 问：constant_score如何使用？ 答： # constant query PUT /constant_query_test { "mappings": { "properties": { "name" : {"type": "keyword"}, "content": {"type": "text"} } .
第三章 Elasticsearch Query DSL -- 查询
wei_bo_cai的博客
05-20 1200
第三章 Elasticsearch Query DSL -- 查询摘要查询和过滤的上下文（context）相关性得分查询上下文过滤上下文示例（下面这些查询参数，后续会详述）全文查询intervals 查询intervals的顶级参数match 规则参数aff_of 规则参数any_of 规则参数filter 规则参数prefix 规则参数wildcard 规则参数 摘要 Elasticsearch 提供了基于JSON的完整查询DSL（Domain Specific Language）来定义查询。将查询DSL
Elasticsearch使用篇 - 组合查询
The Secret
03-13 3339
本文介绍Elasticsearch的组合查询。
ES --elasticsearch基础学习
weixin_44534544的博客
06-01 321
elasticsearch 基础语法理解与原理梳理
查询DSL-复合查询.docx
04-30
查询DSL-复合查询 Elasticsearch 7.6 中的查询DSL（Domain Specific Language）是一种强大的查询语言，...Elasticsearch 的查询DSL 提供了强大的查询功能，允许用户构建复杂的查询逻辑，满足不同场景下的查询需求。
ElasticSearch系列 - SpringBoot整合ES：不对查询结果进行排序 Constant_Score 查询
你今天真好看呀
04-04 554
Constant Score 查询是一种基于过滤器的查询，它可以将一个固定的分数应用于所有匹配的文档。它通常用于过滤掉不需要的文档或者只返回特定类型的文档。Constant Score 查询不会对匹配的文档进行评分也不会对搜索结果进行排序，因此它比其他查询更快，但也更简单。通过结果可以看到，使用 Constant Score 搜索时，不论该词在文档中出现多少次，这些文档的得分都是一样的，值为1.0。在Constant Score 搜索中，参数 boost 可以控制命中文档的得分，默认值为1.0。
ElasticSearch：Constant Score 取消忽略搜索算分以及算分规则
qq_41063182的博客
09-10 5329
ElasticSearch 查询开销 ElasticSearch 在查询一个文档的时候，默认会根据倒排索引词项的匹配程度来做一个相关性的算分，每个文档都会做这个分析过程，如果文档数很庞大，这个过程其实是非常消耗性能的，那么是不是有什么办法可以取消掉这个算法过程 Constant Score ElasticSearch 提供了一个查询的 API ： Constant Score 利用这个API 可以忽略掉算分过程。它的原理是将查询转换成为一个filter 过滤，filter 查询是会走缓存的，所以性能提升是相
Oracle 分页查询 - 08
GTC_GZ的博客
10-28 257
1. 分页-分批存储 1.1 分页怎么干 什么是分页查询？ 分页查询的语法是方言，就是标准的sql里没有这样的语法定义。 比如： Oracle 分页机制 是用行号分页 3. 实例： 查出6 到 10 行之间的数据 查询带排序的分页 查询结果： 在Oracle 中做分页查询，sql语句复杂，而且效率低。 2.1 在 MySql 中的分页查询 ...
4.4 ElasticSearch搜索之Constant Score Query
Steven的博客
09-05 702
1.简介 该查询将其内部的查询结果文档得分都设定为固定值，默认为1，多用于结合bool查询实现自定义得分，其基本语法如下。 POST /index_name/_search { "query": { "constant_score": { "filter": { "match": { "field_name": "query_clause" } }, "boost": score } } } const_score:关键字 filter:只能有一
Elasticsearch复合查询—constant_score查询
Chdaring的博客
11-19 3650
包装filter，返回的每个匹配文档相关性得分均等于boost参数值的。 { "query": { "constant_score": { "filter": { "term": { "user.id": "kimchy" } }, "boost": 1.2 } } } constant_score的参数 filter: 你希望执行的Filter查询，每一个返回的文档都必须匹配这个查询，Filter查询不会计算相关度分数，为了提高
Elastic: 常量分数查询constand_score query应用场景
55555的博客
04-28 508
0. 引言 1.
【Elasticsearch】 11-DSL语法详解-复合查询boosting query、constant_score、 dis_max、 function_score
程序员小屋
09-19 821
在本文中我们将深入研究四种特殊的查询类型：Boosting Query、Constant Score Query、Dis Max Query和Function Score Query的特性、参数说明以及使用示例。
Query的子类ConstantScoreQuery
atarik@163.com
12-09 2690
主要用于过滤查询和将multiTermQuery rewrite为原子查询后使用的查询对象, 他会返回一个constantquery   A query that wraps another query or a filter and simply returns a constant score equal to the  query boost for every document tha...
Python-Elasticsearch搜索详解：入门与高级查询操作
这些查询方法展示了Elasticsearch在Python环境中的强大功能，使得用户可以根据实际需求构建精确、高效的搜索策略。通过深入理解这些基础查询操作，开发者可以逐步构建复杂的查询逻辑，优化搜索性能，满足业务场景的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

雨～旋律

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值