ES中的Scirpt Score查询

Scirpt Score查询

ES提供的Script Score查询可以以编写脚本的方式对文档进行灵活打分,以实现自定义干预结果排名的目的。Script Score默认的脚本语言为Painless,在Painless中可以访问文档字段,也可以使用ES内置的函数,甚至可以通过给脚本传递参数这种方式联通内部和外部数据。

1.1 Painless简介

Painless语言是一种专门用于ES中的脚本语言,它使用了类似于Groovy的语法。ES使用了沙箱技术运行Painless,且在Painless中没有任何网络连接的功能,因此它在安全性方面是有保障的。Painless是被编译成JVM字节码后运行的,从语法上看是Java的子集。

1.变量

变量在使用之前必须先进性声明,其声明方式和Java保持一致。如果变量在声明时没有指定值,则使用变量类型对应的默认值。

2.数据类型

Painless支持的原始类型有byte、short、char、int、long、float、double和boolean。可以按照Java的方式声明它们:

ini 复制代码
 int i=0;
 boolean t=true;
 double s;

在Painless中也可以使用引用类型,可以使用new关键字对引用类型进行初始化:

ini 复制代码
 List l=new ArrayList();

字符串类型可以直接使用:

ini 复制代码
 String a="abcde";

像引用类型一样,数组是使用new关键字分配的:

ini 复制代码
 int[] a=new int[3];
 a[0]=1;
 a[1]=2;
 a[2]=3;

数组的大小也可以是隐式的:

ini 复制代码
 int[] x=new int[]{1,2,3};

Painless还支持使用def对动态类型的变量进行声明,它的作用是在声明时不指定类型而是在运行时判断数据类型,例如:

ini 复制代码
 def x=5;
 def y="abc"

3.条件和循环(不支持else if或者switch)

ini 复制代码
 def a=10;
 if(a>8){//条件判断
   ...
 }

Painless支持for循环、while循环和do...while循环。

ini 复制代码
 def result=0;
 for(dedf a=0;a<10;a++){ //for循环
   result=a+1;
 }

1.2 在Script Score中使用Painless

在Script Score查询中可以使用Painless脚本进行打分脚本的开发,脚本你代码主体放在参数source的值中,注意,Script Score查询中的脚本代码必须有返回值并且类型为数值类型,如果没有返回值,则Script Score查询默认返回0。

这里定义酒店索引的结构如下:

json 复制代码
PUT /hotel_painless
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text"
      },
      "price":{
        "type": "double"
      },
      "create_time":{
        "type": "date"
      },
      "full_room":{
        "type": "boolean"
      },
      "location":{
        "type": "geo_point"
      },
      "doc_weight":{
        "type": "integer"
      },
      "tags":{
        "type": "keyword"
      },
      "comment_info":{						//定义comment_info字段类型为object
        "properties": {
          "favourable_comment":{	//定义favourable_comment字段类型为integer
            "type":"integer"
          },
          "negative_comment":{
            "type":"integer"
          }
        }
      },
      "hotel_vector":{			//定义hotel_vector字段类型为dense_vector
        "type": "dense_vector",
        "dims":5
      }
    }
  }
}

如果运行报错,将注释代码删掉重新执行。

后边需要数据演示,向酒店索引中添加如下数据:

bash 复制代码
POST /_bulk
{"index":{"_index":"hotel_painless","_id":"001"}}
{"title":"文雅假日酒店","price":556.00,"create_time":"20200418120000","full_room":false,"location":{"lat":36.083078,"lon":120.37566},"doc_weight":30,"tags":["wifi","小型电影院"],"comment_info":{"favourable_comment":20,"negative_comment":10},"hotel_vector":[0,3.2,5.8,1.2,0]}
{"index":{"_index":"hotel_painless","_id":"002"}}
{"title":"金都嘉怡假日酒店","price":337.00,"create_time":"20210315200000","full_room":false,"location":{"lat":39.915153,"lon":116.4030},"doc_weight":10,"tags":["wifi","免费早餐"],"comment_info":{"favourable_comment":20,"negative_comment":10},"hotel_vector":[0.7,9.2,5.3,1.2,12.3]}
{"index":{"_index":"hotel_painless","_id":"003"}}
{"title":"金都欣欣酒店","price":200.00,"create_time":"20210509160000","full_room":true,"location":{"lat":39.186555,"lon":117.162007},"doc_weight":10,"tags":["会议厅","免费车位"],"comment_info":{"favourable_comment":20,"negative_comment":10},"hotel_vector":[6,3.2,0.4,9.3,0]}
{"index":{"_index":"hotel_painless","_id":"004"}}
{"title":"金都家至酒店","price":500.00,"create_time":"20210218080000","full_room":true,"location":{"lat":39.915343,"lon":116.422011},"doc_weight":50,"tags":["wifi","免费车位"],"comment_info":{"favourable_comment":20,"negative_comment":10},"hotel_vector":[0.7,3.2,5.1,2.9,0.1]}
{"index":{"_index":"hotel_painless","_id":"005"}}
{"title":"文雅精选酒店","price":800.00,"create_time":"20210101080000","full_room":true,"location":{"lat":39.918229,"lon":116.422011},"doc_weight":70,"tags":["wifi","充电车位"],"comment_info":{"favourable_comment":20,"negative_comment":10},"hotel_vector":[12.1,5.2,5.1,9.2,4.5]}

以下代码演示了使用脚本代码进行打分的基本方法:

bash 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {"title": "金都"}
      },
      "script":{
        "source":"def a=1;def b=2;return a+b;"
      }
    }
  }
}

也可以使用3个引号的形式将代码括起来;

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
        def a=1;
        def b=2;
        return a+b;
        """
      }
    }
  }
}

上面是带返回值的情况,下面的代码演示脚本代码不返回值的情况:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
        def a=1;
        def b=2;
        """
      }
    }
  }
}

ES返回结果如下:

从上述结果可看出,由于Script Score的代码没有返回值,所以ES默认返回0,所有文档得分都为0。

1.3 使用文档数据

1.3.1 使用普通字段

如果字段属于基本数据类型,则可以通过params._source.$field.field_name获取字段的值。例如,在酒店索引中,price字段为double类型,doc_weight字段为integer类型。

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
     "query":{
       "match":{"title":"金都"}
     },
     "script":{
       "source":"""
       if(params._source.price>23){
         return params._source.doc_weight;
       }
       return 0;
       """
     }
    }
  }
}

如果想知道索引中的某些文档的某个字段是否为空,则可以通过null值进行判断:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
     "query":{
       "match":{"title":"金都"}
     },
     "script":{
       "source":"""
       if(params._source.price!=null){
         return params._source.price;
       }
       return 0;
       """
     }
    }
  }
}

也可以使用doc['$field']来引用字段,使用doc['$field'].value引用字段的值。下面DSL和上面的DSL效果是相同的。

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
     "query":{
       "match":{"title":"金都"}
     },
     "script":{
       "source":"""
       if(doc['price']!=null){
         return doc['price'].value;
       }
       return 0;
       """
     }
    }
  }
}

1.3.2 使用数组字段

当字段类型为数组时,可以直接使用for循环遍历数组中的元素,DSL如下:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
     "query":{
       "match":{"title":"金都"}
     },
     "script":{
       "source":"""
       for(def tag:params._source.tags){
         if('wifi'==tag){
           return 1;
         }
       }
       return 0;
       """
     }
    }
  }
}

如果需要判断数组长度,则可以使用length属性。

python 复制代码
# 判断数组长度,使用length属性
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
      if(params._source.tags.length>1){
        return 1;
      }
       return 0;
       """
      }
    }
  }
}

1.3.3 使用object类型的字段

在访问object类型字段中的值时,除了使用"."操作符引用该object类型的字段外,对其他字段的访问与访问索引的普通字段类似。例如,酒店评论中的好评数据,可以使用params._source.comment_info['favourable_comment']来引用,以下DSL将评论数作为酒店的分值返回。

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
        def comment=0;
        if(params._source.comment_info!=null){
          if(params._source.comment_info.containsKey('favourable_comment')){
            //引用对象类型字段中的数据
            comment+=params._source.comment_info['favourable_comment'];
          }
          if(params._source.comment_info.containsKey('negative_comment')){
            comment+=params._source.comment_info['negative_comment'];
          }
        }
        return comment;
       """
      }
    }
  }
}

1.3.4 使用文档评分

在使用match匹配搜索时,ES会对文档进行BM25算法打分,尽管BM25很好地完成了评分/相关性,但有时需要根据业务需求在原有评分的基础上对相关性进行干预。可有使用_score直接获取BM25算法的打分数值,DSL如下:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
        return _score*params._source.doc_weight; //使用文档原始评分
       """
      }
    }
  }
}

在上述DSL中,ES将文本匹配分乘以文档的权重作为文档的最终分数返回。

1.4 向脚本传参

Painless不提供任何网络访问的功能,假设有一部分打分相关参数存储在Redis中,应该如何传递数据?答案就是向Painless传参。假设我们已经通过Java客户端连接Redis获取到了某个特定搜索应该设定的权重值,那么在索引中搜索时,可以通过params关键字定义参数名称并设置其值,在代码中通过params['$para']这种形式进行引用,示例如下。

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
       return params['query_weight']; //引用传递的参数值
       """,
       "params":{
         "query_weight":10    		//向脚本传参
       }
      }
    }
  }
}

在上面的代码中,首先将query_weight参数传递给打分脚本,然后再Painless代码中使用params['query_weight']进行参数的获取,此时就完成了参数的传递。

如果有多个参数,可以在params中进行定义,DSL如下:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
      def a=1;
      def b=2;
      if(a+b>2){
        return params['query_weight1'];
      }
      return params['query_weight2'];
       """,
        "params": {
          "query_weight1": 10,
          "query_weight2": 20
        }
      }
    }
  }
}

1.5 在Script Score中使用函数

在Function Score查询时,我们知道其中可以使用一些ES内置的预定义函数进行打分干预。同样,在Script Score中也可以使用这些函数。

1.5.1 saturation函数

saturation,它是计算饱和度的函数,其相当于计算占比,即:
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> s a t u r a t i o n ( v a l u e , k e y ) = v a l u e k e y + v a l u e saturation(value,key)=\frac{value}{key+value} </math>saturation(value,key)=key+valuevalue

示例为:

csharp 复制代码
return saturation(params._source.comment_info.favourable_comment,params._source.comment_info.negative_comment);

以上代码中,文档的分值为酒店的好评率。

1.5.2 sigmoid函数

sigmoid函数在处理数值型数据时将其值的变换值映射到0~1,它的计算公式如下:
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> S ( x ) = 1 1 + e − x S(x)=\frac{1}{1+e^{-x}} </math>S(x)=1+e−x1

下图为sigmoid函数图像。

在使用Function Score时,sigmoid函数可以对某个字段的数据进行相应的处理,以下代码直接返回调用sigmoid函数处理doc_weight字段后的值:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
       return sigmoid(params._source.doc_weight,2,1);  //使用sigmod函数
       """
      }
    }
  }
}

1.5.3 使用随机函数

在使用ES的搜索结果时,如果希望给不同用户推荐的商品排序是不同的,可以使用随机函数对上皮的打分进行控制。Script Score中的randomScore函数可以产生0\sim 1的小数(不包含边界值),其使用方式为randomScore(<seed>,<fieldName>),其中,seed为随机数种子,fieldName为非必传参数,为空时ES将使用Lucene文档的ID值作为该参数的值。

在一般情况下,seed参数是由外部传递进来的,DSL如下:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "金都"
        }
      },
      "script": {
        "source": """
       return randomScore(params.uuidHash);  //使用随机函数
       """,
       "params":{
         "uuidHash":102322    
       }
      }
    }
  }
}

在上面DSL中,每次搜索时都可以给脚本代码传递不同用户ID的哈希值,对应的参数名称为uuidHash,脚本代码会根据不同的uuidHash产生不同的随机值,因此每个用户的查询文档的排序值就不同。

1.5.4 使用向量计算函数

ES支持向量数据类型,一般情况下,索引中文档的向量是事先用模型计算完成的,如下图所示。

酒店的向量存储在ES中后,需要给定一个查询向量,对索引中的酒店文档向量按照向量相似度计算的算法进行查询。

cosineSimilarity函数可以计算给定查询向量和文档向量之间的余弦相似度,因为余弦值可能有负数,但是脚本返回值必须大于或等于0,所以一般对其进行加1处理,DSL如下:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "文雅"
        }
      },
      "script": {
        "source": """
        //使用向量计算函数
       return 1+cosineSimilarity(params.query_vec,'hotel_vector')
       """,
       "params":{
         "query_vec":[12.1,5.2,5.1,9.2,4.5]
       }
      }
    }
  }
}

返回结果如下:

通过结果可以看到,酒店名称包含"文雅"的有文档005和文档001,查询的酒店向量和文档005的酒店向量是相同的,因此计算其consin值为1,再加上之前的1,文档005的分数为2。

文档001和查询向量的consin值为0.4875506,再加上之前的1,文档001的分数为1.4875506。也就是说,最终的文档排序是和向量相似度正相关的。

dotProduct函数可以计算给定查询向量和文档向量之间的点乘值,因为点乘值也可能是负数,所以在返回值时需要保证该值为正数或者0.可以使用sigmoid函数进行处理,DSL如下:

python 复制代码
# dotProduct函数
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "文雅"
        }
      },
      "script": {
        "source": """
        //使用向量计算函数
      def dot=dotProduct(params.query_vec,'hotel_vector');
      return sigmoid(1,Math.E,-dot);//使用sigmoid函数使返回值不是负数
       """,
        "params": {
          "query_vec": [		//传递的向量参数
            12.1,
            5.2,
            5.1,
            9.2,
            4.5
          ]
        }
      }
    }
  }
}

l1norml2norm函数可以计算给定查询向量和文档向量之间的距离,其中,l1norm用来计算向量之间的曼哈顿距离,l2norm用来计算向量之间的欧氏距离。与余弦相似度不同,距离越小代表向量越接近,因此返回值取其倒数即可。

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "文雅"
        }
      },
      "script": {
        "source": """
      def norm = l1norm(params.query_vec,'hotel_vector');
      return 1/(1+norm);
       """,
        "params": {
          "query_vec": [
            12.1,
            5.2,
            5.1,
            9.2,
            4.5
          ]
        }
      }
    }
  }
}

在上述实例中对分母进行了加1处理,是因为向量的距离可能为0,加1处理后能保障分母不为0.

1.5.5 使用衰减函数

在Script Score中使用衰减函数和在Function Score中是类似的,DSL如下:

python 复制代码
GET /hotel_painless/_search
{
  "query": {
    "script_score": {
      "query": {
        "match": {
          "title": "文雅"
        }
      },
      "script": {
        "source": """
        //使用高斯衰减函数
     double distanceGauss=decayGeoGauss(params.origin,params.scale,params.offset,params.decay,doc['location'].value); 
     return distanceGauss;
       """,
        "params": {   
          "origin":"39.915143,116.5049",
          "offset":"1km",
          "scale":"2km",
          "decay":0.4
        }
      }
    }
  }
}

1.6 在Java客户端中使用Script Score

在Java客户端中,如果需要为searchSourceBuilder对象构建ScriptScoreQueryBuilder对象,可以先创建Script的实例,然后使用Script实例构建ScriptScoreQueryBuilder对象。Script的构造函数支持传递字符串形式的代码,另外,在Script的构造函数中还可以为脚本传递参数,可以创建一个Map对象对参数进行封装。示例代码如下:

ini 复制代码
		@Test
    public void getScriptScoreQuery(){
        MatchQueryBuilder matchQueryBuilder = QueryBuilders.matchQuery("title", "金都");
        //编写脚本代码
        String scoreScript = new StringBuffer()
                .append("int weight=10;\n")
                .append("def random=randomScore(params.uuidHash);\n")
                .append(" return weight*random;").toString();
        Map paraMap=new HashMap();
        paraMap.put("uuidHash",234537);//设置传递到脚本的参数
        //创建脚本对象
        Script script = new Script(Script.DEFAULT_SCRIPT_TYPE, "painless", scoreScript, paraMap);
        //创建ScriptScore查询builder
        ScriptScoreQueryBuilder scriptScoreQueryBuilder = QueryBuilders.scriptScoreQuery(matchQueryBuilder, script);
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        searchSourceBuilder.query(scriptScoreQueryBuilder);
        //创建搜索请求
        SearchRequest searchRequest = new SearchRequest("hotel_painless");
        searchRequest.source(searchSourceBuilder);//设置查询请求
        printResult(searchRequest);//打印搜索结果
    }
    //打印方法封装,方便查看结果
    public void printResult(SearchRequest searchRequest)  {
        try {
            //执行搜索
            SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
            //获取搜索结果集
            SearchHits searchHits = searchResponse.getHits();
            for (SearchHit searchHit : searchHits) {
                String index=searchHit.getIndex();  //获取索引名称
                String id=searchHit.getId();        //获取文档_id
                float score = searchHit.getScore(); //获取得分
                String source = searchHit.getSourceAsString();//获取文档内容
                System.out.println("index="+index+",id="+id+",score="+score+",source="+source);
            }
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }
相关推荐
2401_857610031 小时前
SpringBoot社团管理:安全与维护
spring boot·后端·安全
凌冰_2 小时前
IDEA2023 SpringBoot整合MyBatis(三)
spring boot·后端·mybatis
码农飞飞2 小时前
深入理解Rust的模式匹配
开发语言·后端·rust·模式匹配·解构·结构体和枚举
一个小坑货2 小时前
Rust 的简介
开发语言·后端·rust
monkey_meng2 小时前
【遵守孤儿规则的External trait pattern】
开发语言·后端·rust
Estar.Lee2 小时前
时间操作[计算时间差]免费API接口教程
android·网络·后端·网络协议·tcp/ip
新知图书3 小时前
Rust编程与项目实战-模块std::thread(之一)
开发语言·后端·rust
盛夏绽放4 小时前
Node.js 和 Socket.IO 实现实时通信
前端·后端·websocket·node.js
Ares-Wang4 小时前
Asp.net Core Hosted Service(托管服务) Timer (定时任务)
后端·asp.net
uzong4 小时前
7 年 Java 后端,面试过程踩过的坑,我就不藏着了
java·后端·面试