排序

為了按照相關(guān)性來排序，需要將相關(guān)性表示為一個(gè)數(shù)值。在 Elasticsearch 中， 相關(guān)性得分 由一個(gè)浮點(diǎn)數(shù)進(jìn)行表示，并在搜索結(jié)果中通過 _score 參數(shù)返回， 默認(rèn)排序是 _score 降序。

有時(shí)，相關(guān)性評(píng)分對(duì)你來說并沒有意義。例如，下面的查詢返回所有 user_id 字段包含 1 的結(jié)果：

GET /_search
{
    "query" : {
        "bool" : {
            "filter" : {
                "term" : {
                    "user_id" : 1
                }
            }
        }
    }
}

這里沒有一個(gè)有意義的分?jǐn)?shù)：因?yàn)槲覀兪褂玫氖?filter （過濾），這表明我們只希望獲取匹配 user_id: 1 的文檔，并沒有試圖確定這些文檔的相關(guān)性。 實(shí)際上文檔將按照隨機(jī)順序返回，并且每個(gè)文檔都會(huì)評(píng)為零分。

• 按照字段的值排序
  在這個(gè)案例中，通過時(shí)間來對(duì) tweets 進(jìn)行排序是有意義的，最新的 tweets 排在最前。 我們可以使用 sort 參數(shù)進(jìn)行實(shí)現(xiàn)：

GET /_search
{
    "query" : {
        "bool" : {
            "filter" : { "term" : { "user_id" : 1 }}
        }
    },
    "sort": { "date": { "order": "desc" }}
}

你會(huì)注意到結(jié)果中的兩個(gè)不同點(diǎn)：

"hits" : {
    "total" :           6,
    "max_score" :       null, 
    "hits" : [ {
        "_index" :      "us",
        "_type" :       "tweet",
        "_id" :         "14",
        "_score" :      null, 
        "_source" :     {
             "date":    "2014-09-24",
             ...
        },
        "sort" :        [ 1411516800000 ] 
    },
    ...
}

1. _score 不被計(jì)算, 因?yàn)樗]有用于排序。
2. date 字段的值表示為自 epoch (January 1, 1970 00:00:00 UTC)以來的毫秒數(shù)，通過 sort 字段的值進(jìn)行返回。
3. 計(jì)算 _score 的花銷巨大，通常僅用于排序； 我們并不根據(jù)相關(guān)性排序，所以記錄 _score 是沒有意義的。如果無論如何你都要計(jì)算 _score ， 你可以將 track_scores 參數(shù)設(shè)置為 true 。

• 多級(jí)排序

  假定我們想要結(jié)合使用 date 和 _score 進(jìn)行查詢，并且匹配的結(jié)果首先按照日期排序，然后按照相關(guān)性排序：

GET /_search
{
    "query" : {
        "bool" : {
            "must":   { "match": { "tweet": "manage text search" }},
            "filter" : { "term" : { "user_id" : 2 }}
        }
    },
    "sort": [
        { "date":   { "order": "desc" }},
        { "_score": { "order": "desc" }}
    ]
}

• 字段多值排序

  一種情形是字段有多個(gè)值的排序， 需要記住這些值并沒有固有的順序；一個(gè)多值的字段僅僅是多個(gè)值的包裝，這時(shí)應(yīng)該選擇哪個(gè)進(jìn)行排序呢？

  對(duì)于數(shù)字或日期，你可以將多值字段減為單值，這可以通過使用 min 、 max 、 avg 或是 sum 排序模式 。 例如你可以按照每個(gè) date 字段中的最早日期進(jìn)行排序，通過以下方法：

"sort": {
    "dates": {
        "order": "asc",
        "mode":  "min"
    }
}

字段排序與多字段

被解析的字符串字段也是多值字段， 但是很少會(huì)按照你想要的方式進(jìn)行排序。如果你想分析一個(gè)字符串，如 fine old art ， 這包含 3 項(xiàng)。我們很可能想要按第一項(xiàng)的字母排序，然后按第二項(xiàng)的字母排序，諸如此類，但是 Elasticsearch 在排序過程中沒有這樣的信息。

為了以字符串字段進(jìn)行排序，這個(gè)字段應(yīng)僅包含一項(xiàng)： 整個(gè) not_analyzed 字符串。 但是我們?nèi)孕枰?analyzed 字段，這樣才能以全文進(jìn)行查詢

一個(gè)簡(jiǎn)單的方法是用兩種方式對(duì)同一個(gè)字符串進(jìn)行索引，這將在文檔中包括兩個(gè)字段： analyzed 用于搜索， not_analyzed 用于排序

但是保存相同的字符串兩次在 _source 字段是浪費(fèi)空間的。 我們真正想要做的是傳遞一個(gè) 單字段 但是卻用兩種方式索引它。所有的 _core_field 類型 (strings, numbers, Booleans, dates) 接收一個(gè) fields 參數(shù)

該參數(shù)允許你轉(zhuǎn)化一個(gè)簡(jiǎn)單的映射如：

"tweet": {
    "type":     "string",
    "analyzer": "english"
}

為一個(gè)多字段映射如

"tweet": { 
    "type":     "string",
    "analyzer": "english",
    "fields": {
        "raw": { 
            "type":  "string",
            "index": "not_analyzed"
        }
    }
}

什么是相關(guān)性

Elasticsearch 的相似度算法 被定義為檢索詞頻率/反向文檔頻率， TF/IDF 。

參考資料

Elasticsearch: 權(quán)威指南