esfunction_score自定义计算得分函数;aggs聚合操作

esfunction_score自定义计算得分函数；aggs聚合操作在Elasticsearch中，function_score是用于自定义计算文档得分的功能。

它可以通过添加不同的函数来调整文档匹配的相关性得分。

这些函数可以使用不同的参数和权重来影响得分。

例如，可以为特定字段的匹配项提高得分，为较新的文档降低得分等。

function_score可以使用多种内置函数来实现自定义得分计算。

以下是常用的一些内置函数：
1. weight函数：通过为文档添加固定的得分来影响相关性得分。

2. field_value_factor函数：根据文档特定字段的值来调整得分。

3. script_score函数：使用自定义的脚本来计算得分。

4. random_score函数：通过随机生成的得分来影响相关性得分。

为了更好地理解这些内置函数，让我们看一个例子：
假设有一个索引包含电影数据，每个文档有字段：title（电影标题）、year（上映年份）、rating（评分）。

我们想根据上映年份和评分来计算电影的相关性得分。

以下是一个使用function_score自定义计算得分函数的查询示例：```
GET /movies/_search
"query":
"function_score":
"query":
"match":
"title": "action"
}
},
"functions":
"field_value_factor": "field": "rating", "factor": 0.8, "modifier": "sqrt"
}
},
"field_value_factor": "field": "year", "factor": 0.2
}
}
],
"boost_mode": "replace"
}
}
```
以上查询的功能如下：
1. 匹配电影标题中包含“action”关键字的文档。

2. 使用field_value_factor函数，调整得分以基于电影评分和上映年份。

- rating字段的得分通过乘以0.8并对结果取平方根来进行转换。

- year字段的得分通过乘以0.2来进行转换。

3. boost_mode设置为“replace”，表示使用自定义的得分来替换默认的相关性得分。

aggs聚合操作：
在Elasticsearch中，聚合（aggregations）是一种检索数据并生成摘要信息的功能。

聚合可以用于统计、分组、过滤和计算等操作。

它们提供了一种强大的方式来分析数据并提取有意义的信息。

以下是一些常见的聚合操作：
1. avg聚合：计算字段的平均值。

2. sum聚合：计算字段的总和。

3. min聚合：计算字段的最小值。

4. max聚合：计算字段的最大值。

5. terms聚合：按一些字段进行分组，并计算每个分组的文档数量。

6. date_histogram聚合：按日期字段进行分组，并生成时间间隔内
的文档数量。

让我们使用一个示例来说明聚合操作的使用：
以下是一个使用聚合操作计算平均价格和销售总量的查询示例：
```
GET /sales/_search
"aggs":
"avg_price":
"avg":
"field": "price"
}
},
"sum_quantity":
"sum":
"field": "quantity"
}
},
"terms_product":
"terms":
"field": "product", "size": 10
},
"aggs":
"avg_price": "avg":
"field": "price"
}
},
"sum_quantity": "sum":
"field": "quantity" }
}
}
}
}
```
以上查询的功能如下：
1. 计算销售数据字段price的平均值和字段quantity的总和。

2. 使用terms聚合将数据按产品名称进行分组，并计算每个产品的平均价格和销售总量。

3. 通过将size设置为10，限制返回的分组数量为10。

聚合操作提供了非常灵活和强大的功能，可用于数据分析、报告生成和可视化等任务。

使用适当的聚合操作可以大大简化数据分析和提取有价值的信息。