云搜索服务 CSS
云搜索服务 CSS
- 最新动态
- 功能总览
- 服务公告
- 产品介绍
- 计费说明
- 快速入门
-
用户指南
- CSS服务权限管理
-
使用Elasticsearch搜索数据
- Elasticsearch使用流程
- Elasticsearch集群规划建议
- 创建Elasticsearch集群
- 访问Elasticsearch集群
- 导入数据至Elasticsearch集群
- 使用Elasticsearch集群搜索数据
- 增强Elasticsearch集群搜索能力
- 配置Elasticsearch集群网络
- 备份与恢复Elasticsearch集群数据
- 扩缩容Elasticsearch集群
- 升级Elasticsearch集群版本
- 管理Elasticsearch集群
- 管理Elasticsearch集群索引策略
- Elasticsearch集群监控与日志管理
- 查看Elasticsearch集群审计日志
- 使用OpenSearch搜索数据
- 使用Logstash迁移数据
- CSS服务资源监控
- 最佳实践
- API参考
- SDK参考
- 场景代码示例
-
常见问题
- 产品咨询
- 计费相关
- CSS集群访问
- CSS集群迁移
-
CSS集群搜索引擎使用
- CSS服务中为什么新创建的索引分片集中分配到单节点上?
- CSS服务中Elasticsearch 7.x集群如何在index下创建type?
- CSS服务中如何配置Elasticsearch索引副本数量?
- CSS服务中Elasticsearch集群分片过多会有哪些影响?
- 如何查看CSS集群的分片数以及副本数?
- CSS服务中Elasticsearch集群的节点node.roles为i表示什么意思?
- CSS服务中如何设置Elasticsearch集群的默认分页返回最大条数?
- CSS服务中如何更新Elasticsearch生命周期策略?
- CSS服务中如何设置Elasticsearch集群慢查询日志的阈值?
- CSS服务中如何清理Elasticsearch索引数据?
- CSS服务中如何清理Elasticsearch缓存?
- 使用delete_by_query命令删除Elasticsearch集群数据后,为什么磁盘使用率反而增加?
- CSS服务的Elasticsearch集群是否支持script dotProduct?
-
CSS集群管理
- 如何查看CSS集群所分布的可用区?
- CSS服务中Filebeat版本与集群版本的关系是什么?
- 如何获取CSS服务的安全证书?
- CSS服务中如何转换CER安全证书的格式?
- CSS服务中Elasticsearch和OpenSearch集群支持修改安全组吗?
- CSS服务中Elasticsearch集群如何设置search.max_buckets参数?
- CSS服务中如何修改Elasticsearch和OpenSearch集群的TLS算法?
- CSS服务中如何开启Elasticsearch和OpenSearch集群的安全审计日志?
- CSS服务中是否支持停止集群?
- CSS集群冻结索引后如何查询OBS上的索引占用量?
- 如何查看Elasticsearch和OpenSearch集群的系统默认插件列表
- CSS集群备份与恢复
- CSS集群监控与运维
-
故障排除
-
访问集群类
- 无法正常打开Kibana
- Elasticsearch针对filebeat配置调优
- Spring Boot使用Elasticsearch出现Connection reset by peer问题
- 为什么集群创建失败
- Elasticsearch集群出现写入拒绝“Bulk Reject”,如何解决?
- Elasticsearch集群创建index pattern卡住,如何解决?
- 云搜索控制台页面提示系统繁忙
- Elasticsearch集群报错:unassigned shards all indices
- es-head插件连接Elasticsearch集群报跨域错误
- 单节点集群打开Cerebro界面显示告警
- ECS无法连接到集群
- 集群不可用
- 数据导入导出类
-
功能使用类
- 无法备份索引
- 无法使用自定义词库功能
- 快照仓库找不到
- 集群一直处于快照中
- 数据量很大,如何进行快照备份?
- 集群突现load高的故障排查
- 使用ElasticSearch的HLRC(High Level Rest Client)时,报出I/O Reactor STOPPED
- Elasticsearch集群最大堆内存持续过高(超过90%)
- Elasticsearch集群更改规格失败
- 安全集群索引只读状态修改报错
- Elasticsearch集群某一节点分配不到shard
- 集群索引插入数据失败
- CSS创建索引报错“maximum shards open”
- 删除索引报错“403 Forbidden”是什么原因?
- Kibana中删除index pattern报错Forbidden
- 执行命令update-by-query报错“Trying to create too many scroll contexts”
- Elasticsearch集群无法创建pattern
- 端口访问类
-
访问集群类
- 视频帮助
- 文档下载
- 通用参考
链接复制成功!
使用Elasticsearch自定义规则排序搜索结果
通过Elasticsearch集群可以对搜索结果进行自定义规则排序。
应用场景
Elasticsearch是一个高度可扩展的开源搜索和分析引擎,支持用户通过自定义规则对搜索结果进行排序。自定义排序允许开发者根据业务需求,定义特定的排序规则,以优化搜索结果的相关性和用户体验。该方案可以用于以下场景:
- 电子商务:根据销量、用户评价、价格等因素对商品进行排序。
- 内容管理:根据阅读量、发布时间对文章或博客帖子进行排序。
- 金融服务:根据交易金额、频率或风险评分对交易记录进行排序。
- 客户支持:根据工单的紧急程度或打开时间对客户请求进行排序。
方案架构
通过自定义规则对搜索结果进行排序是通过Elasticsearch的排序API实现的。通过调用排序API查询数据,实现数据按自定义规则排序。
自定义规则查询有两种方式。
- 用绝对好评率计算总分,按照总分由高到低的顺序排列出查询结果。
总分 = 匹配得分 * (好评率 * 绝对因子)
- 匹配得分:根据查询结果计分,内容匹配记1分,否则记0分,得分之和即为匹配得分。
- 好评率:从匹配项的数据内容中获取好评率的值,一般指单条数据的评分。
- 绝对因子:自定义的好评比例。
- 用相对好评率计算总分,按照总分由高到低的顺序排列查询结果。
总分 = 匹配得分 * (好评率 * 相对分数)
- 匹配得分:根据查询结果计分,内容匹配记1分,否则记0分,得分之和即为匹配得分。
- 好评率:从匹配项的数据内容中获取好评率的值,一般指单条数据的评分。
- 相对分数:自定义一个好评率阈值,当好评率大于阈值时,返回一个自定义的相对分数;当好评率小于等于阈值时,返回另一个自定义的相对分数。通过这种方式可以避免异常好评率对查询结果的影响。
方案优势
- 灵活性:自定义排序规则可以满足各种复杂的业务需求。
- 扩展性:Elasticsearch的分布式特性支持水平扩展,适应不断增长的数据量。
- 性能:Elasticsearch的优化机制确保了排序操作的高效性,即使在大规模数据集上也能保持良好的性能。
- 实时性:Elasticsearch的近实时搜索能力确保排序结果的时效性。
前提条件
已经准备好Elasticsearch集群,且集群处于可用状态。
操作步骤
本文的代码示例仅适用于Elasticsearch 7.x及以上版本的集群。
- 登录云搜索服务管理控制台。
- 在左侧导航栏,选择“集群管理”,进入Elasticsearch集群列表页面。
- 在集群列表页面中,单击集群操作列的“Kibana”登录Kibana页面。
- 在Kibana的左侧导航中选择“Dev Tools”,进入命令执行页面。
- 创建索引,并指定自定义映射来定义数据类型。
{ "tv":[ { "name": "tv1", "description": "USB, DisplayPort", "vote": 0.98 } { "name": "tv2", "description": "USB, HDMI", "vote": 0.99 } { "name": "tv3", "description": "USB", "vote": 0.5 } { "name": "tv4", "description": "USB, HDMI, DisplayPort", "vote": 0.7 } ] }
可以执行如下命令,创建索引“mall”,并指定自定义映射来定义数据类型。
PUT /mall?pretty { "mappings": { "properties": { "name": { "type": "text", "fields": { "keyword": { "type": "keyword" } } }, "description": { "type": "text", "fields": { "keyword": { "type": "keyword" } } }, "vote": { "type": "float" } } } }
- 导入数据。
执行如下命令,将“tv.json”文件中的数据导入到“mall”索引中。
POST /mall/_bulk?pretty { "index": {"_id": "1"}} { "name": "tv1", "description": "USB, DisplayPort", "vote": 0.98 } { "index": {"_id": "2"}} { "name": "tv2", "description": "USB, HDMI", "vote": 0.99 } { "index": {"_id": "3"}} { "name": "tv3", "description": "USB", "vote": 0.5 } { "index": {"_id": "4"}} { "name": "tv4", "description": "USB, HDMI, DisplayPort", "vote": 0.7 }
- 自定义规则查询数据。分别列举了绝对好评率和相对好评率查询方式。
假设用户想要查询有USB接口、HDMI接口、DisplayPort接口的电视机,并根据好评率计算各款电视机的总分,根据总分由高到低的顺序排列结果。
- 用绝对好评率计算总分
总分的计算公式为“new_score = query_score * (vote * factor)”,执行的命令如下:
GET /mall/_doc/_search?pretty { "query":{ "function_score":{ "query":{ "bool":{ "should":[ {"match": {"description": "USB"}}, {"match": {"description": "HDMI"}}, {"match": {"description": "DisplayPort"}} ] } }, "field_value_factor":{ "field":"vote", "factor":1 }, "boost_mode":"multiply", "max_boost":10 } } }
返回结果如下所示,按照总分由高到低的顺序排列查询结果。{ "took" : 4, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 4, "relation" : "eq" }, "max_score" : 0.8388366, "hits" : [ { "_index" : "mall", "_type" : "_doc", "_id" : "4", "_score" : 0.8388366, "_source" : { "name" : "tv4", "description" : "USB, HDMI, DisplayPort", "vote" : 0.7 } }, { "_index" : "mall", "_type" : "_doc", "_id" : "2", "_score" : 0.7428025, "_source" : { "name" : "tv2", "description" : "USB, HDMI", "vote" : 0.99 } }, { "_index" : "mall", "_type" : "_doc", "_id" : "1", "_score" : 0.7352994, "_source" : { "name" : "tv1", "description" : "USB, DisplayPort", "vote" : 0.98 } }, { "_index" : "mall", "_type" : "_doc", "_id" : "3", "_score" : 0.03592815, "_source" : { "name" : "tv3", "description" : "USB", "vote" : 0.5 } } ] } }
- 用相对好评率计算总分。
总分的计算公式为“new_score = query_score * inline”,本示例中设置的好评率阈值为0.8,当vote>0.8时,inline取值为1;当vote≤0.8时,inline取值为0.5。执行命令如下:
GET /mall/_doc/_search?pretty { "query":{ "function_score":{ "query":{ "bool":{ "should":[ {"match":{"description":"USB"}}, {"match":{"description":"HDMI"}}, {"match":{"description":"DisplayPort"}} ] } }, "script_score": { "script": { "params": { "threshold": 0.8 }, "inline": "if (doc[\"vote\"].value > params.threshold) {return 1;} return 0.5;" } }, "boost_mode":"multiply", "max_boost":10 } } }
返回结果如下所示,按照总分由高到低的顺序排列查询结果。
{ "took" : 4, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 4, "relation" : "eq" }, "max_score" : 0.75030553, "hits" : [ { "_index" : "mall", "_type" : "_doc", "_id" : "1", "_score" : 0.75030553, "_source" : { "name" : "tv1", "description" : "USB, DisplayPort", "vote" : 0.98 } }, { "_index" : "mall", "_type" : "_doc", "_id" : "2", "_score" : 0.75030553, "_source" : { "name" : "tv2", "description" : "USB, HDMI", "vote" : 0.99 } }, { "_index" : "mall", "_type" : "_doc", "_id" : "4", "_score" : 0.599169, "_source" : { "name" : "tv4", "description" : "USB, HDMI, DisplayPort", "vote" : 0.7 } }, { "_index" : "mall", "_type" : "_doc", "_id" : "3", "_score" : 0.03592815, "_source" : { "name" : "tv3", "description" : "USB", "vote" : 0.5 } } ] } }
- 用绝对好评率计算总分