第五阶段 41 · 相关性调优（boosting、function_score、filter vs query 上下文）

41 · 相关性调优（boosting、function_score、filter vs query 上下文）

阶段：第五阶段 / 进阶与实战

主题：_score 怎么来的、怎么调，以及 filter/query 上下文的性能差异

---

1. 概念

• query 上下文 ：算 _score（相关性打分），回答「有多匹配」。
• filter 上下文 ：只判断 yes/no，不算分，可缓存、更快，回答「符不符合」。
• 调分手段：字段 boost、boosting 查询（降权而非排除）、function_score（按业务规则改分）。

PostgreSQL 没有相关性评分概念，这是 ES 相对 SQL 的核心增量能力。

---

2. PostgreSQL 对照

-- SQL 没有 _score，只能靠 ORDER BY 表达优先级
SELECT *,
  CASE WHEN geo_cd = 'AP' THEN 2 ELSE 1 END AS weight
FROM salesdata
WHERE material ILIKE '%thinkpad%'
ORDER BY weight DESC;

---

3. ES DSL

filter 上下文（不算分、可缓存）

GET salesdata_idx/_search
{
  "query": {
    "bool": {
      "must":   [ { "match": { "material": "notebook" } } ],   // 算分
      "filter": [ { "term":  { "geo_cd": "AP" } } ]            // 不算分、缓存
    }
  }
}

字段 boost

{ "match": { "material": { "query": "notebook", "boost": 3 } } }

function_score（按业务改分）

GET salesdata_idx/_search
{
  "query": {
    "function_score": {
      "query": { "match": { "material": "notebook" } },
      "functions": [
        { "filter": { "term": { "geo_cd": "AP" } }, "weight": 2 },
        { "field_value_factor": { "field": "net_amount", "modifier": "log1p" } }
      ],
      "score_mode": "sum",
      "boost_mode": "multiply"
    }
  }
}

---

4. Spring Boot 实现

@Component
public class Doc41Relevance {

    @Autowired
    private ElasticsearchClient elasticsearchClient;

    /** must 算分 + filter 精确过滤（不算分、可缓存） */
    public List<Map<String, Object>> searchScored(String indexName, String kw, String geo)
            throws IOException {
        SearchResponse<Map> resp = elasticsearchClient.search(s -> s
                .index(indexName)
                .query(q -> q.bool(b -> b
                        .must(m -> m.match(mt -> mt.field("material").query(kw).boost(3f)))
                        .filter(f -> f.term(t -> t.field("geo_cd").value(geo))))),
                Map.class);

        return resp.hits().hits().stream()
                .map(Hit::source)
                .filter(Objects::nonNull)
                .collect(Collectors.toList());
    }
}

想看每条为什么这么打分，可用 explain（.explain(true)）或 _explain API 调试。

---

5. 坑与最佳实践

1. 精确条件放 filter ：等值/范围/枚举放 filter，省去打分开销并利用缓存。
2. 只想排序不想过滤用 should/boosting ：boosting 能降权而不是直接排除。
3. function_score 谨慎 ：脚本/函数打分贵，boost_mode/score_mode 要选对。
4. 别对海量结果排相关性 ：能用业务字段排序（日期、金额）就别都靠 _score。
5. 调分先 explain：打分不符预期时用 explain 看每项贡献，别盲改。

---