使用阿里云试用Elasticsearch学习，1.6 基础入门——排序与相关性，阿里云Elasticsearch试用教程，入门基础——排序与相关性学习指南

摘要：，，本文介绍了使用阿里云试用Elasticsearch的学习过程，重点介绍了Elasticsearch 1.6版本的基础入门知识。文章详细阐述了如何在Elasticsearch中进行排序和相关性操作，帮助初学者快速掌握Elasticsearch的基本操作和应用。通过本文的学习，读者可以更好地理解Elasticsearch的排序和相关性功能，为后续的深入学习和应用打下坚实基础。

默认情况下，搜索结果按照相关性进行排序，最相关的文档会排在最前面，在本章的后面部分，我们会解释相关性的含义以及如何计算，不过在此之前，让我们先了解一下sort参数以及如何使用它。

（插入图片）

排序

为了按照相关性来排序，需要将相关性表示为一个数值，在Elasticsearch中，相关性得分由一个浮点数表示，并在搜索结果中通过_score参数返回，默认排序是_score降序。

有时，相关性评分对你来说并没有意义，下面的查询返回所有user_id字段包含1的结果：

（插入图片）

在这个案例中，没有一个有意义的分数：因为我们使用的是filter（过滤），这表明我们只希望获取匹配user_id: 1的文档，并没有试图确定这些文档的相关性，实际上文档将按照随机顺序返回，并且每个文档的得分都是零分。

如果评分为零对你造成了困扰，你可以使用constant_score查询进行替代：

这将让所有文档应用一个恒定分数（默认为1），它将执行与前述查询相同的查询，并且所有的文档将像之前一样随机返回，这些文档只是有了一个分数而不是零分。

按字段的值排序

在这个案例中，通过时间来对tweets进行排序是有意义的，最新的tweets排在最前，我们可以使用sort参数进行实现：

你会注意到结果中的两个不同点：

_score不被计算，因为它并没有用于排序。

date字段的值表示为自epoch (January 1, 1970 00:00:00 UTC)以来的毫秒数，通过sort字段的值返回。

我们在每个结果中有一个新的名为sort的元素，它包含了我们用于排序的值，在这个案例中，我们按照date进行排序，在内部被索引为自epoch以来的毫秒数，long类型数1411516800000等价于日期字符串"2014-09-24 00:00:00 UTC"。

_score和max_score字段都是null，计算_score的花销巨大，通常仅用于排序；我们并不根据相关性排序，所以记录_score是没有意义的，如果你无论如何都要计算_score，你可以将track_scores参数设置为true。

一个简便方法是，你可以指定一个字段用来排序："sort": "number_of_children"，字段将会默认升序排序，而按照_score的值进行降序排序。

多级排序

假定我们想要结合使用date和_score进行查询，并且匹配的结果首先按照日期排序，然后按照相关性排序：

排序条件的顺序是很重要的，结果首先按第一个条件排序，仅当结果集的第一个sort值完全相同时才会按照第二个条件进行排序，以此类推。

多级排序并不一定包含_score，你可以根据一些不同的字段进行排序，如地理距离或是脚本计算的特定值。

Query-string搜索也支持自定义排序，可以在查询字符串中使用sort参数：GET /_search?sort=date:desc&sort=_score&q=search

多值字段的排序

一种情形是字段有多个值的排序，这些值并没有固有的顺序；一个多值的字段仅仅是多个值的包装，这时应该选择哪个进行排序呢？

对于数字或日期，你可以将多值字段减为单值，这可以通过使用min、max、avg或是sum排序模式，例如你可以按照每个date字段中的最早日期进行排序：

字符串排序与多字段

被解析的字符串字段也是多值字段，但是很少会按照你想要的方式进行排序，如果你想分析一个字符串，如"fine old art"，这包含3项，我们很可能想要按第一项的字母顺序排序，然后按第二项的字母顺序排序，等等，但是Elasticsearch在排序过程中没有这样的信息。

你可以使用min和max排序模式（默认是min），但是这会导致排序以"art"或是"old"，任何一个都不是所希望的，但是保存相同的字符串两次在_source字段是浪费空间的，我们真正想要做的是传递一个单字段但是用两种方式索引它，所有的_core_field类型(strings, numbers, Booleans, dates)接收一个fields参数，该参数允许你转化一个简单的映射如：将tweet字段转化为一个既包含全文字本分析又包含keyword类型的子字段，这样我们就可以重新索引我们的数据来使用tweet字段进行搜索和tweet.raw字段进行排序： 接下来我们来讨论一下相关性的概念及其计算方式。 相关性及其计算方式 我们曾经讲过搜索结果默认是按照相关性倒序排列的，那么什么是相关性？如何计算呢？ 每个文档都有一个相关性评分，用一个正浮点数字段_score来表示，_score的评分越高，相关性越高。 查询语句会为每个文档生成一个_score字段，评分的计算方式取决于查询类型不同的查询语句用于不同的目的：fuzzy查询会计算与关键词的拼写相似程度；terms查询