如何基于 Elasticsearch 实现排序沉底或前置
在搜索场景的应用中，存在希望根据某个或某些字段来调整排序评分，从而实现排序沉底或置顶效果的使用需求。以商机管理中的扫街场景为例，当我们在扫街场景中需要寻找一个商户时，希望这个商户离的近、GMV 潜力大、被他人跟进过的次数越少越好。在策略上离的近在排序中的权重要比 GMV 潜力大更大，因为我们希望就近拜访，在距离差不多的情况下优先拜访能带来更多 GMV 的商家。
如果这个商家是一个“激励商家”且高转化意愿，可能需要对这样的商家在排序上做置顶；
如果这个商家已经被其他人重复开发过了，那这样的商户开发成本就会比较大，被他人跟进的次数越多，排序应该更靠后，所以就需要实现沉底的效果。
下文将介绍 ES 所能够支持的丰富多样的排序能力，以及不同排序能力所具体适用的场景。
提升查询权重 - Boost
在查询时使用 Boost 参数能让一个查询语句比其他语句更重要。所以在相对简单的场景下，用这种方式可以实现低改动成本、快速变更。在这里需要注意的是任何类型的查询都能接受 Boost 参数，Boost 只是对 _score 的一个影响因子，将 Boost 参数设置为 2，并不代表 _score 是原来的 2 倍。当没有显示设置 Boost 时，默认值为 1。
修改查询相关度 - 组合查询
查询场景：要查询文档中包含 Elasticsearch or (Golang or Go) or function_score 的文档。
虽然上述查询能把只要包含了 or 条件中的所有文档都查询出来，而且每个条件的重要程度都一样。但实际 Golang or Go 是一个组合条件，和其他 2 个条件是并列的关系，所以下面是更好的写法。
用 Bool 查询把 Golang or Go 包起来，这样现在的 Golang or Go 跟其他两个条件就处于顶层相互竞争的关系了。原来每个词的重要性是 25%，现在 Elasticsearch 和 function_score 重要性各占 33.3%， Golang or Go 加起来占 33.3%。
排序沉底 - Boosting 查询
查询场景：文档中要包含 Elasticsearch，但不希望包含 MySQL。
方案一：使用 must_not
在这个方案里使用的 must_not 过于严格，会把包含了 MySQL 的文档排除出去。但如果一个文档中包含了很多 Elasticsearch，只是恰好包含了一个 MySQL，那就错过了一个“好”的文档。
方案二：用 Boosting 查询
通过正向查询确定希望文档匹配哪些内容；在负向查询中，文档如果匹配了这些内容，那么对 _score 需要减分。减分的权重由 negative_boost 来控制，是一个 0-1 的数值。最终的评分 new_score = 正向查询的 score * negative_boost。
多查询评分一致 - constant_score 查询
某些场景下，我们可能并不关心 TF/IDF，只关心这个词是否在文档中出现过，比如出差找一个酒店，希望尽可能有如下设施：WIFI、Gym(健身房)、Breakfast(早餐)。
方案一：match 查询
这种查询，实际还是用 TF/IDF，会整体去考虑这些词在酒店描述中出现的是否频繁。但实际用户可能并不关心出现是否频繁，只关心这些设施是否尽可能包含了，且包含得越多越好。
方案二：constant_score 查询
通过 constant_score 查询，酒店描述中匹配了一个设施评分就进行 +1，设施匹配的越多评分就越高。但不会因为在酒店描述中多次提到 WIFI 评分就提升，因为每个设施的评分最多也只有 1 分。但可能每个设施的重要程度不一样，有些设施更有价值，那么我们就可以为不同的设施增加不同的权重。而给每个权重设置查询权重就是最前面讲的 Boost 参数。
constant_score 查询的更多应用
上文 Boosting Query 中提到 negative_boost 可以降低原来的评分，但如果 Positive 正向查询中用的是 Filter 查询，在根本就没有评分的情况下，可以把 Filter 查询改为 Term 或 Match 查询，但是对于只要过滤不需要评分的查询，比如过滤价格的查询，应该尽可能用 Filter 查询，可利用缓存、跳过评分，执行速度更快。这个时候，也可以用 constant_score 把 Filter 查询包含进去。
控制评分的终极武器 - function_score 查询
function_score 查询最适用的场景：一个正向影响因子，一个负向影响因子，比如跟 votes（投票数）和 date（日期）结合起来，投票数越高的越排前面，日期越早的越排后面。
基本概念：
weight： 为每个文档应用一个简单而不被规范化的权重提升值：当 weight 为 2 时，最终结果为 2 * _score。
field_value_factor： 使用这个值来修改_score，如将 votes 热度作为考虑因素。
random_score： 为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 、gauss：将浮动值结合到评分_score 中，例如结果文档的最新发布时间，结合经纬度的距离，给文档一个综合评分。
script_score： 如果需求超出以上函数能够支持的范围，可以自定义脚本来控制评分。
按热度提升权重
查询场景：POI 查询，希望将 POI 在抖音的搜索热度高的排在前面，同时根据 POI 名字全文搜索时，作为主要的排序依据。
用 function_score 包含主查询和函数，fields_value_factor 函数会被应用到每个被主查询查出来的文档上，每个文档的 douyin_hot 字段必须有值供函数计算，如果没有必须使用 missing 属性来提供默认值。
如此配置后，每个文档的最终评分 _score 修改为：new_score = old_score * number_of douyin_hot，这个结果其实是不符合预期的，因为抖音热度的值一般很大，会完全覆盖掉原来的评分。
Modifier 函数
其中一种优化方式是使用 Modifier 来平滑 douyin_hot 的值，比如热度 0 和热度 1 的差别应该比热度 100 和热度 101 的差别更大，这里可以应用 modifier: "log1p"，实际含义是：new_score = old_score * log( 1 + number of douyin_hot )。Modifier 可选的值有：none(默认状态)、log、log1p、log2p、ln、ln1p、ln2p、square、sqrt、reciprocal。 如下图，使用 Modifier: log1p 后评分曲线就会平缓很多。
Factor 调节因子
上面通过 Modifier 平滑了 douyin_hot 的值，如果仍然认为辅助因子的影响力不够，曲线过于平缓，那就可以通过 Factor 进行调节。添加了 Factor 后，得到的结果是双倍效果，评分如下：new_score = old_score * log ( 1 + factor * number of douyin_hot )。
Boost_mode 权重模式
上面在算 new_score 时，都是在 old_score 的基础上乘一个值，如果这个值还是很大评分就会放大很多。因此可以通过 boost_mode 来控制新老分数的结合方式。通过下图可以看到用加和的评分结合方式，评分曲线就会平滑很多。
multiply：乘积，默认方式， new_score = old_score * 函数值。这个方式很容易放大老的评分。
sum：加和，new_score = old_score + 函数值。这是比较常用的方式。
min：取较小值，new_score = min（old_score, 函数值）。
max：取最大值。
replace：函数值代替 old_score。
Max_boost 权重上限
限制函数的最大效果是起到一个保护的作用，避免辅助评分太高完全压过主查询的评分。这里不管 field_value_factor 如何进行计算，函数值最大不会超过 1.5，由此就起到一个保护的作用。
越接近越好 - 衰减函数
使用场景：以选择酒店为例，用户可能会考虑远近、价格，如果位置在景区里而且价格也可以接受，那也在选择范围内；如果位置离游玩的位置近，差价可以抵平路途使用的钱，这也是可以选择的。所以酒店的排序，不会是单一维度的，很多都是“智能”排序的。function_score 提供了衰减函数使我们可以在多个维度之间做出权衡。
有三种衰减函数 - Linear 线性、Exp 指数、Gauss 高斯，可以操作数值、时间、经纬度，接受如下参数：
origin：中心点或最佳值，落在 origin 上，评分为 1.0。
offset：以原点为中心，设置一个非零的偏移量 Offset 覆盖一个数值范围，在这个范围内，评分都是 1.0。
scale：衰减率，即一个文档远离 [ origin-offset, origin+offset ] 范围时，评分改变的速度。
decay：从 origin 衰减到 scale 位置时，评分的值，默认是 0.5。
如下图，origin 是 40，offset 是 5，scale 也设置为 5，decay=0.5，标识当值偏移到 [ origin - offset - scale, origin + offset + scale ] 时，评分 = decay = 0.5，这样就决定了曲线的陡度。
总结
通过以上介绍我们可以了解到 ES 可支持的排序能力还是非常丰富的，我们要实现置顶或沉底效果，并不能非黑即白的选择，更多的场景中需要根据实际需要做多个能力的组合，尽管 function_score 表现优异，但越复杂的查询对 ES 的查询压力也越大，当数据量很大时必须要权衡性能和排序效果。上线前，也需要在仿真环境中验证大数据量下的性能表现。
版权声明: 本文为 InfoQ 作者【字节跳动云原生计算】的原创文章。
原文链接:【http://xie.infoq.cn/article/ef7732e8bbb1952830c3d5ccc】。文章转载请联系作者。
构建新一代海量数据计算平台 2023-08-10 加入
字节跳动云原生计算团队官方账号，分享字节跳动大数据容器化相关技术干货、活动及最佳实践。
评论