面试题：ElasticSearch重排序：处理复杂业务场景下的搜索结果顺序定制

查询语句结构：

使用bool查询来组合不同的查询条件。bool查询包含must、filter等子句。
相关性排序：在query部分使用适合电商搜索的查询类型，比如multi - match查询来匹配商品基本信息相关的字段，以获得初始的相关性得分。例如：

{
    "query": {
        "multi_match": {
            "query": "搜索关键词",
            "fields": ["商品基本信息字段1", "商品基本信息字段2"]
        }
    },
    "sort": [
        // 后续进行重排序
    ]
}

库存充足筛选：使用filter子句来筛选出库存充足的商品。假设库存状态字段为stock_status，库存充足可以表示为stock_status > 0。

{
    "query": {
        "bool": {
            "must": {
                "multi_match": {
                    "query": "搜索关键词",
                    "fields": ["商品基本信息字段1", "商品基本信息字段2"]
                }
            },
            "filter": {
                "range": {
                    "stock_status": {
                        "gt": 0
                    }
                }
            }
        }
    },
    "sort": [
        // 后续进行重排序
    ]
}

重排序：

按用户评价得分排序：在sort数组中，先按用户评价得分字段（假设为user_rating_score）从高到低排序。

{
    "query": {
        "bool": {
            "must": {
                "multi_match": {
                    "query": "搜索关键词",
                    "fields": ["商品基本信息字段1", "商品基本信息字段2"]
                }
            },
            "filter": {
                "range": {
                    "stock_status": {
                        "gt": 0
                    }
                }
            }
        }
    },
    "sort": [
        {
            "user_rating_score": {
                "order": "desc"
            }
        }
    ]
}

品牌热度排序（评价得分相同时）：当用户评价得分相同时，再按品牌热度字段（假设为brand_popularity）从高到低排序。在sort数组中添加第二个排序条件。

{
    "query": {
        "bool": {
            "must": {
                "multi_match": {
                    "query": "搜索关键词",
                    "fields": ["商品基本信息字段1", "商品基本信息字段2"]
                }
            },
            "filter": {
                "range": {
                    "stock_status": {
                        "gt": 0
                    }
                }
            }
        }
    },
    "sort": [
        {
            "user_rating_score": {
                "order": "desc"
            }
        },
        {
            "brand_popularity": {
                "order": "desc"
            }
        }
    ]
}

脚本使用（通常在此场景下不需要，但某些复杂计算可能需要）：

如果需要对用户评价得分或品牌热度进行一些复杂的计算后再排序，可以使用脚本。例如，如果要对用户评价得分进行加权计算。首先，定义脚本：

{
    "script": {
        "source": "double weightedScore = doc['user_rating_score'].value * params.weight; return weightedScore;",
        "params": {
            "weight": 1.5
        }
    }
}

然后在sort中使用这个脚本：

{
    "query": {
        "bool": {
            "must": {
                "multi_match": {
                    "query": "搜索关键词",
                    "fields": ["商品基本信息字段1", "商品基本信息字段2"]
                }
            },
            "filter": {
                "range": {
                    "stock_status": {
                        "gt": 0
                    }
                }
            }
        }
    },
    "sort": [
        {
            "_script": {
                "type": "number",
                "script": {
                    "source": "double weightedScore = doc['user_rating_score'].value * params.weight; return weightedScore;",
                    "params": {
                        "weight": 1.5
                    }
                },
                "order": "desc"
            }
        },
        {
            "brand_popularity": {
                "order": "desc"
            }
        }
    ]
}

相关配置：
- 索引配置：确保商品基本信息、用户评价得分、库存状态以及商品所属品牌的热度这些字段在索引中正确映射。例如，对于数字类型的字段（用户评价得分、库存状态、品牌热度）要正确设置为数值类型，以保证排序和过滤的准确性。
- 性能配置：如果数据量较大，可能需要考虑分片和副本的配置，以提高查询性能。同时，可以配置缓存策略，如filter子句的结果缓存，来减少重复计算。例如，在elasticsearch.yml中配置：
```
indices.cache.filter.enable: true
```
这可以缓存filter子句的结果，提高后续相同filter条件查询的性能。

面试题：ElasticSearch重排序：处理复杂业务场景下的搜索结果顺序定制

知识考点

面试题答案