本文深入探讨了elasticsearch中基于复杂业务逻辑进行多字段排序的实现方法。通过painless脚本，我们展示了如何根据文档中`tags`字段的存在与否，灵活地调整`createdat`字段的排序顺序，即有标签的按`createdat`升序排列，无标签的按`createdat`降序排列，从而满足高级定制化排序需求。
在Elasticsearch中，常规的字段排序通常是直接对一个或多个字段进行升序（asc）或降序（desc）排列。然而，当业务需求涉及更复杂的条件逻辑时，例如根据某个字段的存在与否来决定另一个字段的排序方向，标准排序机制便无法直接满足。此时，Elasticsearch的脚本排序（Script-based Sorting）功能便显得尤为强大和灵活。
场景描述
假设我们有如下文档结构，包含 createdAt 日期字段和 tags 关键词数组字段：
doc1:{ "createdAt": "2022-11-25T09:45:00.000Z", "tags": [ "Response Needed" ]}doc2 :{ "createdAt": "2022-11-24T09:45:00.000Z", "tags": [ "Customer care","Response Needed" ]}doc3 :{ "createdAt": "2022-11-24T09:45:00.000Z", "tags": [ ]}
我们的排序需求是：
首先，根据 tags 字段的存在与否进行排序：有 tags 的文档排在前面，无 tags 的文档排在后面。其次，对于有 tags 的文档，按 createdAt 字段的升序排列。最后，对于无 tags 的文档，按 createdAt 字段的降序排列。
解决方案：Painless脚本排序
为了实现上述复杂的条件式排序，我们将利用Painless脚本在排序阶段动态计算排序值。
1. 索引映射与数据准备
首先，我们需要创建一个索引并定义好字段映射，特别是 createdAt 为 date 类型，tags 为 keyword 类型，以便脚本能够正确访问和处理。
PUT idx_conditional_sort{ "mappings": { "properties": { "createdAt": { "type": "date" }, "tags": { "type": "keyword" } } }}
接下来，我们插入一些示例文档以供测试：
POST idx_conditional_sort/_doc{ "createdAt": "2022-11-25T09:45:00.000Z", "tags": [ "Response Needed" ]}POST idx_conditional_sort/_doc{ "createdAt": "2022-11-24T09:45:00.000Z", "tags": [ "Response 02" ]}POST idx_conditional_sort/_doc{ "createdAt": "2022-11-24T09:45:00.000Z", "tags": [ "Customer care","Response Needed" ]}POST idx_conditional_sort/_doc{ "createdAt": "2022-11-26T09:45:00.000Z", "tags": []}POST idx_conditional_sort/_doc{ "createdAt": "2022-11-23T09:45:00.000Z", "tags": []}
2. 实现脚本排序
我们将使用两个脚本作为排序数组中的元素，以实现多阶段和条件式排序。
排序逻辑分解：
腾讯智影-AI数字人
基于AI数字人能力，实现7*24小时AI数字人直播带货，低成本实现直播业务快速增增，全天智能在线直播
73 查看详情 
第一级排序（脚本1）： 用于区分有 tags 和无 tags 的文档。
如果 tags 数组非空，脚本返回一个较高的值（例如 1）。如果 tags 数组为空，脚本返回一个较低的值（例如 0）。对这个脚本的结果进行降序（desc）排列，确保有 tags 的文档优先。
第二级排序（脚本2）： 用于根据 tags 状态对 createdAt 进行条件式排序。
如果 tags 数组非空：直接返回 createdAt 的毫秒时间戳，这样在整体升序排列时，会实现 createdAt 的升序。如果 tags 数组为空：返回 createdAt 毫秒时间戳的负值，这样在整体升序排列时，会实现 createdAt 的降序（因为负值越大，实际时间越早）。
完整的查询语句：
GET idx_conditional_sort/_search{ "sort": [ { "_script": { "type": "number", "script": { "lang": "painless", "source": """ // 脚本1：根据tags是否存在进行分组 // 返回 1 表示有标签，返回 0 表示无标签 return doc['tags.keyword'].size() > 0 ? 1 : 0; """ }, "order": "desc" // 降序排列，确保有标签的文档排在前面 } }, { "_script": { "type": "number", "script": { "lang": "painless", "source": """ // 脚本2：根据tags状态对createdAt进行条件式排序 long createdAtMillis = doc['createdAt'].value.toInstant().toEpochMilli(); if (doc['tags.keyword'].size() > 0) { // 如果有标签，按createdAt升序排列，直接返回时间戳 return createdAtMillis; } else { // 如果无标签，按createdAt降序排列，返回时间戳的负值 // 这样在整体升序排序时，负值越大（绝对值越小），实际时间越晚，达到降序效果 return -createdAtMillis; } """ }, "order": "asc" // 升序排列，配合脚本内部逻辑实现条件式排序 } } ]}
3. 结果解读
执行上述查询后，Elasticsearch将返回如下结果（部分）：
{ "took": ..., "timed_out": false, "_shards": ..., "hits": { "total": { "value": 5, "relation": "eq" }, "max_score": null, "hits": [ { "_index": "idx_conditional_sort", "_id": "t42r-oQBEoAIompjS0Xh", "_score": null, "_source": { "createdAt": "2022-11-24T09:45:00.000Z", "tags": [ "Response 02" ] }, "sort": [ 1, 1669283100000 ] // 标签存在，createdAt 升序 }, { "_index": "idx_conditional_sort", "_id": "uI2r-oQBEoAIompjS0Xj", "_score": null, "_source": { "createdAt": "2022-11-24T09:45:00.000Z", "tags": [ "Customer care", "Response Needed" ] }, "sort": [ 1, 1669283100000 ] // 标签存在，createdAt 升序 }, { "_index": "idx_conditional_sort", "_id": "sY2r-oQBEoAIompjS0Xg", "_score": null, "_source": { "createdAt": "2022-11-25T09:45:00.000Z", "tags": [ "Response Needed" ] }, "sort": [ 1, 1669369500000 ] // 标签存在，createdAt 升序 }, { "_index": "idx_conditional_sort", "_id": "uY2r-oQBEoAIompjS0Xk", "_score": null, "_source": { "createdAt": "2022-11-26T09:45:00.000Z", "tags": [] }, "sort": [ 0, -1669455900000 ] // 标签不存在，createdAt 降序（负值升序） }, { "_index": "idx_conditional_sort", "_id": "uo2r-oQBEoAIompjS0Xl", "_score": null, "_source": { "createdAt": "2022-11-23T09:45:00.000Z", "tags": [] }, "sort": [ 0, -1669196700000 ] // 标签不存在，createdAt 降序（负值升序） } ] }}
从 hits 数组中可以看到，文档首先根据 tags 字段的存在性被分组（sort 数组的第一个元素 1 表示有标签，0 表示无标签）。
有标签的文档（sort 数组第一个元素为 1）被排在前面，并且它们内部按照 createdAt 的时间戳升序排列（1669283100000 在 1669369500000 之前）。无标签的文档（sort 数组第一个元素为 0）被排在后面，并且它们内部按照 createdAt 的时间戳降序排列（-1669455900000 对应 2022-11-26，-1669196700000 对应 2022-11-23。由于是负值升序，-1669455900000 比 -1669196700000 小，所以 2022-11-26 的文档排在 2022-11-23 的文档之前，实现了降序）。
注意事项与最佳实践
性能考量： 脚本排序通常比字段排序开销更大，因为它需要在每个文档上执行脚本。对于大规模数据集，这可能导致性能下降。如果可能，应尽量通过索引设计或使用运行时字段（runtime fields）来避免复杂的脚本排序。脚本缓存： Elasticsearch 会缓存编译后的脚本，以减少重复执行的开销。因此，相同的脚本多次执行时，性能会更好。字段类型： 确保在脚本中访问的字段具有正确的类型。例如，doc[‘tags.keyword’] 访问的是 keyword 类型的 tags 字段。对于日期字段，doc[‘createdAt’].value.toInstant().toEpochMilli() 是获取其毫秒时间戳的常用方式。Painless语法： Painless是Elasticsearch专用的安全高效的脚本语言。熟悉其语法和API是编写有效脚本的关键。替代方案： 在某些简单场景下，可以考虑使用 missing 参数或 nested 字段来处理缺失值或数组字段的排序，但对于本例中这种复杂的条件式逻辑，脚本排序是目前最直接和强大的方法。
总结
通过Painless脚本排序，Elasticsearch提供了极高的灵活性来处理复杂的、基于条件判断的排序需求。尽管脚本排序会带来一定的性能开销，但在业务逻辑无法通过标准字段排序实现的场景下，它是一个不可或缺的强大工具。理解其工作原理和最佳实践，能够帮助开发者构建出满足多样化需求的搜索功能。
以上就是Elasticsearch多字段与条件式排序：Painless脚本实现指南的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/312519.html
微信扫一扫 
支付宝扫一扫 
