重点商品，收藏商品，优质商品，普通商品的顺序展出在同一类商品发生冲突时，按照自主产品，非自主产品进行展出(是否自主产品是一个集合，只有集合里面有7才属于自主产品，没有7则属于非自主产品)如果继续发生冲突 按照商品录入时间展出最后用id来进行兜底优质商品首先根据商品的等级来排序，然后才走第二行 ES中使用到的字。
id （商品的序列号）,
create_time（创建商品时间） ,
one_hand_commodity（是否是优质商品） ,
commodity_level , （商品等级4个级别 S,A,B,C）
commodity_list（商品属性，是否是自主产品） ,
publish_time , （商品上架时间）
在这次应用中，有几个难点
1、优质商品有着自己的排序特点，不能使用sort来进行总体排序。
2、重点商品以及收藏商品需要置顶放在最高。
3、就是在原有实现方案基础上进行代码的合并
在不能使用sort的情况下，以及优质商品的独特性，我们在ES官网给出了我们提示，使用得分，自定义得分以及funcationScore来实现评分排序。
由于优质商品有着独特的排序情况，我们将 one_hand_commodity（是否是优质商品）与commodity_level , （商品等级4个级别 S,A,B,C）俩字段,将他们满足优质商品同时满足商品等级的氛围不同的权重，用weight来赋值。
"function_score": {
"query": {
"term": {
"one_hand_commodity: {
"value": "1",
"boost": 1
}
}
},
"functions": [
{
"filter": {
"term": {
"commodity_level": {
"value": 1,
"boost": 1
}
}
},
"weight": 96
},
{
"filter": {
"term": {
"commodity_level": {
"value": 2,
"boost": 1
}
}
},
"weight": 48
},
{
"filter": {
"term": {
"commodity_level": {
"value": 3,
"boost": 1
}
}
},
"weight": 24
},
{
"filter": {
"term": {
"commodity_level": {
"value": 4,
"boost": 1
}
}
},
"weight": 12
}
],
"score_mode": "sum",
"boost_mode": "replace",
}
其中的score_mode 的作用是在functions所有命中的filter，都采用sum即累加的方式，而boost_mode 是整个functionScore与外面的query采用replace，替换的方式进行积分。
像 在集合中是否存在7，可以使用terms来进行命中
"function_score": {
"query": {
"bool": {
"must_not": [
{
"term": {
"commodity_list": {
"value": "7",
"boost": 1
}
}
}
],
"adjust_pure_negative": true,
"boost": 1
}
},
"functions": [
{
"filter": {
"bool": {
"must_not": [
{
"term": {
"commodity_list": {
"value": "7",
"boost": 1
}
}
}
],
"adjust_pure_negative": true,
"boost": 1
}
},
"weight": 3
}
],
"score_mode": "sum",
"boost_mode": "replace",
"boost": 1
}
而对于重点商品以及收藏商品就可以在mysql中关联查询出来，在es语句中进行赋值
"function_score": {
"query": {
"terms": {
"id": [
53507,
53628
],
"boost": 1
}
},
"functions": [
{
"filter": {
"terms": {
"id": [
53507,
53628
],
"boost": 1
}
},
"weight": 192
}
],
"score_mode": "sum",
"boost_mode": "replace",
"boost": 1
}
这样将优质商品的不同等级进行了不同的得分，最后就可以使用sort来进行排序。
"sort": [
{
"_score": {
"order": "desc"
}
},
{
"create_time": {
"order": "desc"
}
},
{
"id": {
"order": "desc"
}
}
],
ps：整个这次查询的weight设置，统一使用
前面所有weight和 < 现在需要赋值的weight
且最小只能从大于1开始，不能为1。
附：全部查询代码
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"term": {
"commodity_status": {
"value": 2,
"boost": 1
}
}
},
{
"terms": {
"id": [
53507,
53628,
53656,
53681
],
"boost": 1
}
},
{
"term": {
"is_delete": {
"value": 0,
"boost": 1
}
}
}
],
"should": [
{
"function_score": {
"query": {
"term": {
"one_hand_commodity": {
"value": "1",
"boost": 1
}
}
},
"functions": [
{
"filter": {
"term": {
"commodity_level": {
"value": 1,
"boost": 1
}
}
},
"weight": 96
},
{
"filter": {
"term": {
"commodity_level": {
"value": 2,
"boost": 1
}
}
},
"weight": 48
},
{
"filter": {
"term": {
"commodity_level": {
"value": 3,
"boost": 1
}
}
},
"weight": 24
},
{
"filter": {
"term": {
"commodity_level": {
"value": 4,
"boost": 1
}
}
},
"weight": 12
}
],
"score_mode": "sum",
"boost_mode": "replace",
"max_boost": 3.4028235e+38,
"boost": 1
}
},
{
"function_score": {
"query": {
"term": {
"one_hand_commodity": {
"value": "0",
"boost": 1
}
}
},
"functions": [
{
"filter": {
"term": {
"one_hand_commodity": {
"value": "0",
"boost": 1
}
}
},
"weight": 6
}
],
"score_mode": "sum",
"boost_mode": "replace",
"max_boost": 3.4028235e+38,
"boost": 1
}
},
{
"function_score": {
"query": {
"term": {
"commodity_list": {
"value": "7",
"boost": 1
}
}
},
"functions": [
{
"filter": {
"term": {
"commodity_list": {
"value": "7",
"boost": 1
}
}
},
"weight": 2
}
],
"score_mode": "sum",
"boost_mode": "replace",
"max_boost": 3.4028235e+38,
"boost": 1
}
},
{
"function_score": {
"query": {
"bool": {
"must_not": [
{
"term": {
"commodity_list": {
"value": "7",
"boost": 1
}
}
}
],
"adjust_pure_negative": true,
"boost": 1
}
},
"functions": [
{
"filter": {
"bool": {
"must_not": [
{
"term": {
"commodity_list": {
"value": "7",
"boost": 1
}
}
}
],
"adjust_pure_negative": true,
"boost": 1
}
},
"weight": 3
}
],
"score_mode": "sum",
"boost_mode": "replace",
"max_boost": 3.4028235e+38,
"boost": 1
}
},
{
"function_score": {
"query": {
"terms": {
"id": [
53507,
53628,
53656,
53681
],
"boost": 1
}
},
"functions": [
{
"filter": {
"terms": {
"id": [
53507,
53628,
53656,
53681
],
"boost": 1
}
},
"weight": 192
}
],
"score_mode": "sum",
"boost_mode": "max",
"max_boost": 3.4028235e+38,
"boost": 1
}
}
],
"adjust_pure_negative": true,
"boost": 1
}
},
"sort": [
{
"_score": {
"order": "desc"
}
},
{
"create_time": {
"order": "desc"
}
},
{
"id": {
"order": "desc"
}
}
],
"track_total_hits": 2147483647
}
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）