Elasticsearch的function_score与rescore的区别

文章目录

前言
一、function_score
二、rescore
三、区别对比
总结

前言

在 Elasticsearch 中，function_score 和 rescore 都是对查询结果进行评分调整的机制，但它们的用途、作用范围和执行阶段有所不同。

一、function_score

rescore 是一个用于 查询后重新排序 的功能，主要对初始查询结果进行二次评分和排序。

特点

执行阶段：在查询的评分阶段（query phase）执行，对每个匹配的文档重新计算评分。
使用场景：
- 对于初步查询结果进行更精确的排序优化。
- 结合更复杂的逻辑或模型（如使用 query_weight 和 rescore_query_weight）重新计算评分。
主要功能：
- 支持多种函数（weight, field_value_factor, gauss, linear, exp 等）。
- 可以将查询的评分和函数的结果组合（例如乘法、加法等）。
- 影响的是所有匹配文档的最终评分。

常见场景

根据某个字段的值提升文档排名（如评分越高排名越靠前）。
根据地理位置距离进行动态调整。
根据文档的时间戳实现时间衰减。

示例

{"query": {"function_score": {"query": { "match": { "title": "elasticsearch" } },"functions": [{"field_value_factor": {"field": "popularity","factor": 1.2,"modifier": "sqrt"}},{"gauss": {"publish_date": {"origin": "2025-01-01","scale": "10d"}}}],"boost_mode": "sum"}}
}

作用：
- 基于文档的 popularity 字段调整评分。
- 根据文档发布时间计算时间衰减。

二、rescore

rescore 是一个用于 查询后重新排序 的功能，主要对初始查询结果进行二次评分和排序。

特点

执行阶段：在查询的结果集返回前，对前 N 个（通常是 top-k）匹配的文档重新评分。
使用场景：
- 对于初步查询结果进行更精确的排序优化。
- 结合更复杂的逻辑或模型（如使用 query_weight 和 rescore_query_weight）重新计算评分。
主要功能：
- 只对初步查询结果的前 N 个文档进行二次评分（默认 window_size 为 10）。
- 提高查询性能，因为它不需要对所有匹配文档重新评分。
适合场景：
- 使用简单的查询快速过滤大规模数据集，然后对前 N 个文档进行更精细的排序。
- 将复杂计算放到重新排序阶段，而不是影响初步查询性能。

常见场景

使用 BM25 进行初筛，然后用其他模型（如短语匹配、词对匹配）对结果进行精细排序。
多阶段查询优化：先进行粗筛，再通过更复杂的逻辑排序。

示例

{"query": {"match": { "title": "elasticsearch" }},"rescore": {"window_size": 50,"query": {"rescore_query": {"match_phrase": { "title": "elasticsearch guide" }},"query_weight": 0.7,"rescore_query_weight": 2.0}}
}

作用：
- 初筛阶段：通过 match 查询找到所有与 elasticsearch 匹配的文档。
- 重排序阶段：对前 50 个文档用短语匹配（match_phrase）重新计算评分，并进行权重调整。

三、区别对比

特性	function_score	rescore
执行阶段	查询阶段：调整匹配文档的评分	查询后排序阶段：对初筛结果重新评分
作用范围	所有匹配文档	查询结果的前 N 个文档（由 window_size 控制）
性能消耗	对所有匹配文档评分，可能影响性能	仅对部分文档评分，性能影响较小
适用场景	动态评分调整（基于字段、位置、时间等）	更复杂的逻辑排序或精细化模型排序
适用复杂度	通常适用于简单到中等复杂度的评分逻辑	适合复杂的评分逻辑，如精确短语匹配或外部模型
主要目的	直接调整评分以提高结果的相关性	精细化排序，提高结果的排序精度