Elasticsearch排序机制详解

Elasticsearch 默认根据文档与查询的相关性进行排序，相关性得分越高，文档排名越靠前。本文将详细介绍相关性概念及其计算方法，同时探讨如何利用 sort 参数优化查询结果。

排序方式

为了实现基于相关性的排序，Elasticsearch 使用 _score 字段表示每个文档的相关性得分，这是一个浮点数值。默认情况下，查询结果按照 _score 降序排列。然而，并非所有查询都能产生有意义的相关性得分。例如，过滤查询不会影响 _score 的计算，所有文档的相关性得分默认为1，表明它们的相关性相同。

字段值排序

对于基于特定字段值的排序，如时间戳，Elasticsearch 支持通过 sort 参数指定排序字段及其顺序。例如，为了获取最新文档，可以使用以下查询：

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

此查询首先过滤出 user_id 为1的文档，然后按 date 字段降序排列。注意，此时 _score 字段不再用于排序，因此不会计算相关性得分。

默认排序

如果只需按某个字段排序，可以直接指定字段名，例如：

"sort": "number_of_children"

默认情况下，字段值按升序排列，而 _score 则按降序排列。

多级排序

在多级排序中，可以结合多个字段进行排序。例如，先按日期排序，再按相关性得分排序：

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

多级排序首先按第一个字段排序，如果存在相同的值，则按第二个字段继续排序，依此类推。

字符串参数排序

在URL中使用 sort 参数也可以实现排序，例如：

GET /_search?sort=date:desc&sort=_score&q=search

多值字段排序

对于多值字段，Elasticsearch 允许选择特定的值进行排序，例如使用 min、max、avg 或 sum 模式。例如，按最早日期排序：

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

多值字段字符串排序

对于分析过的字符串字段，直接排序可能无法达到预期效果。建议使用 not_analyzed 子字段进行排序，确保字段值保持原样。例如，修改字段映射：

"tweet": {
  "type": "text",
  "analyzer": "english",
  "fields": {
    "raw": {
      "type": "keyword"
    }
  }
}

这样，tweet 字段可用于全文搜索，而 tweet.raw 子字段则用于排序。

相关性评分 _score 是一个反映文档与查询相关程度的浮点数。Elasticsearch 使用 TF/IDF（Term Frequency/Inverse Document Frequency）算法计算相关性，主要包括：

检索词频率（TF）

检索词在文档中出现的频率越高，相关性越高。

反向文档频率（IDF）

检索词在索引中出现的频率越低，相关性越高。

字段长度准则

字段长度越短，相关性越高。

通过调整这些参数，可以优化查询结果的相关性。

理解评分标准

使用 explain 参数可以帮助理解查询结果的评分依据。例如：

GET /_search?explain=true
{
  "query": {
    "match": {
      "tweet": "honeymoon"
    }
  }
}

explain 输出详细说明了评分的计算过程，有助于调试复杂的查询。

文档匹配原因

通过 /index/type/id/_explain 路径，可以查看特定文档为何匹配或不匹配查询。例如：

GET /us/tweet/12/_explain
{
  "query": {
    "bool": {
      "filter": [{ "term": { "user_id": 2 } }],
      "must": [{ "match": { "tweet": "honeymoon" } }]
    }
  }
}

输出结果将详细解释文档匹配的原因。

在排序时，Elasticsearch 需要快速访问文档的字段值，为此，它将字段值加载到内存中，形成“数据字段”。这一机制提高了排序和聚合操作的性能，但也增加了内存消耗。如果内存不足，可以通过增加节点来扩展集群。