上面实现的本质:返回结果的第一页头1条或多条数据是服务端(如电商网站、主流搜索引擎)指定的数据,而非按照相关度评分计算得出的结果数据。
这时候,不禁要问 Elasticsearch 能实现类似功能不 ?
2、拆解实现
Elasticsearch from + size 分页实现机制的原理(大致意思):
page 1:from 0,size:10——返回第 0 到 第 9 条数据。
page 2:from 10,size:10——返回第 0 到 第 19 条数据,截取第 10 到 第 19 条数据;
page 3:from 20,size:10——返回第 0 到 第 29 条数据,截取 第 20到 第 29 条数据。
......
本质是深度分页,肯定越往后翻页响应越慢。
要实现根据固定关键词添加特定数据置顶显示的效果,探讨方案如下:
2.1 方案一:不重新分页,牺牲首页部分数据
不再做重新分页,强制将 page 1 部分数据,换成:类【广告位】置顶显示数据。
显然,会有数据丢失,导致搜索精准率下降,用户一般不会接受。
2.2 方案二:重新内存分页
将类【广告位】置顶显示数据 + 已有返回的前10页(举例:100 条数据)重新组合后,再分页。
需要内存维护一堆数据,有较大内存开销。用户期望翻页越深(比如:100页+),维护数据越大,处理越慢、延时会越明显。
2.3 方案三:其他方案
类主流搜索引擎实现的方法或者读者新的实现机制。
但,此时要想,有没有更简洁的实现呢?
Elastic 官方就没有考虑这个用户需求吗?
有的,Elasticsearch 7.4.0 新增的 pinned query 就能实现这种功能。
且听慢慢道来......
3、pinned query 介绍
pinned query 是 Elasticsearch 7.4.0 版本实现的增强检索功能。
pinned:中文翻译为“固定”。
pinned query 则可以解释为——固定某些结果首页置顶显示的检索方式。
下图更能形象的说明:绿色的 Pinned results 就是要首页置顶显示的结果。
4、 pinned query 实战实现
基础数据 Demo 如下,直接拿文章开头的截图示例模拟一下,假设 id为 1、2、3 的3条数据是需要特意置顶显示的数据。
PUT index_001
{
"mappings": {
"properties": {
"title":{
"type": "text",
"analyzer": "ik_max_word",
"fields": {
"keyword":{
"type":"keyword"
}
}
}
}
}
}
PUT index_001/_bulk
{"index":{"_id":1}}
{"title":"大众汽车首款纯电动ID.4_预售进行时_先订先享"}
{"index":{"_id":2}}
{"title":"保时捷首款纯电动跑车Taycan - 现已到店 - 电驰神往"}
{"index":{"_id":3}}
{"title":"纯电动电动汽车?英国国际贸易部_邀您来投资英国汽车工业"}
{"index":{"_id":4}}
{"title":"四轮电动车_ 电动汽车报价_阿里巴巴采购批发_超多品类低价批发"}
{"index":{"_id":5}}
{"title":"电动汽车之家,为新能源汽车而生 - 第一电动网"}
{"index":{"_id":6}}
{"title":"中国电动汽车网_新能源汽车_电动汽车网"}
{"index":{"_id":7}}
{"title":"电车之家_领先的电动汽车及新能源汽车行业门户网站"}
如果要召回既包含:“电动汽车” 完全匹配,又包含“电动”或“汽车” 分词匹配的全量数据。大致的检索语句如下:
POST index_001/_search
{
"query": {
"bool": {
"should": [
{
"match_phrase": {
"title": {
"query": "电动汽车",
"boost": 5
}
}
},
{
"bool": {
"should": [
{
"match": {
"title": "电动"
}
},
{
"match_phrase": {
"title": "汽车"
}
}
],
"minimum_should_match": 2
}
}
]
}
}
}
如上检索部分:完全匹配加了 boost 提升权重。
返回结果如下:
返回结果按照评分由高到低顺序排列,_id 序列为:5、7、3、6、4 ......
置顶显示_id 为1、2、3的数据,pinned query 实现如下:
GET index_001/_search
{
"query": {
"pinned": {
"ids": [
"1",
"2",
"3"
],
"organic": {
"bool": {
"should": [
{
"match_phrase": {
"title": {
"query": "电动汽车",
"boost": 5
}
}
},
{
"bool": {
"should": [
{
"match": {
"title": "电动"
}
},
{
"match_phrase": {
"title": "汽车"
}
}
],
"minimum_should_match": 2
}
}
]
}
}
}
}
}
本质是在原来检索语句的基础上,添加了如下部分代码:
"pinned": {
"ids": [
"1",
"2",
"3"
],
"organic": {
第一:置顶显示的 id ,写法如下:
"pinned": {
"ids": [
第二:除了置顶数据之外的其余正常检索语句块内容。只是加了“organic” 包裹一层。其中的检索语句还是原来的写法 ,拷贝过来即可。
返回结果如下:
返回结果已 pinned(类似做了“广告位”定制),_id 序列为:1、2、3、5 ....... 实现了类百度置顶显示广告的效果。
5、 pinned query 源码解读
5.1 认知前提:源码中最大评分计算方法
float MAX_ORGANIC_SCORE = Float.intBitsToFloat((0xfe << 23)) - 1;
本质下面代码等价:
float max_rst = (float)Math.pow(2,127);//1.7014118E38
也就是说:MAX_ORGANIC_SCORE 大小为:2 的 127 次幂,是 Elasticsearch float 最大值。
5.2 最大评分作用
正常查询的评分得分不会超过 MAX_ORGANIC_SCORE, 将固定查询(pinned query)的评分设定为:MAX_ORGANIC_SCORE。
5.3 pinned query 保证置顶显示解密
原理:将置顶显示的数据通过 bool 组合查询 + boost 提升权重的方式给设置了 float 最大值评分,这样就能保证置顶显示了。
核心源码实现如下:
注意细节没有深究,比如:置顶返回的结果显示的是原始评分。
6、小结
读者可能会问:这并没有实现基于特定关键词返回特定数据的需求?其实有了pinned query 再将特定关键词与待置顶显示文章 _id 建立个一对多的映射关系就可以实现。映射关系可以自己内存维护或者借助 redis 实现都可以。
你、我发现的新需求,很可能别人早就发现,且已经提交 Git了。更可怕的是:官方新版本已经实现了!
要注重基础夯实的同时,多关注一下技术动态。两手抓、两手都要硬!