关于elasticsearch:Elasticsearch-按照标签匹配个数优先排序查询

有一种类似度匹配需要，须要以匹配到的标签个数优先，这种状况就须要用到自定义查问语句。

先上代码，这里我用的是PHP的数组构造，最终提交的时候是会转成json格局的，暂且不表：

'query' => [    'script_score' => [        "query"  => [],        'script' => [            'source' => '                        def matches = 0;                        for (t in params.tags) {                            if(doc["tags"].contains(t)) {                                matches += 1;                            }                        }                        return _score * matches * matches;                        ',            "params" => [                "tags" => $tags,            ],        ]    ],]

首先最外层的数组就是咱们通常写的query语句，放在body中进行申请的，次要看query外面的构造，这种须要自定义脚本解决评分的，query中只放了一个script_score：

script_score蕴含了两个局部，一部分是query，另外一部分是自定义的script，这外面的query，就是失常本来写在外层的query中的查问构造，本来怎么写还是怎么写，比方这外面可能还会须要一个标签匹配的，那么持续加一个terms来查问。

而后来看script局部，这外面又分为两个货色：

• source 自定义的评分排序脚本
• params 自定义的评分脚本参数

首先看params，这里我传递了$tags，这是一个标签数组，最终会在source里进行调用，source局部会放到elasticsearch中进行编译，造成相似于函数的货色，而后params就是一个参数，在source的代码中须要调用tags这个参数，采纳params.tags来进行调用。

而后再看source代码局部，这外面会把搜寻到的后果doc中的tags字段（这doc中的tags也是一个数组）与所冀望的tags进行校验比照，最初失去理论匹配的个数：matches。

最初看source中的return局部，这里会返回评分后果，这里的_score是搜寻自身计算的类似度评分，而后这个中央_score * matches * matches，这里是采纳标签个数对评分后果进行放大，标签数匹配越多，天然放大后果就越大。

举个例子：

可见最终受到标签影响更大，实现了标签后果数优先的排序。

当然，至于放大模式，比如说，评分一样，以标签数优先，那么不必进行标签平方解决，另外所冀望的放大后果依据具体情况能够自行处理。

另外，在文章开端帖上elasticsearch的脚本语法链接：

https://www.elastic.co/guide/...