在很多复杂的业务场景下，排序的规则会比较复杂，单一的降序，升序无法满足日常需求。不过 ES 中提供了给文档加权重的方式来排序，还是挺好用的。

首先初始化三条测试数据，方便查看效果：

id: 1 , title: "Java怎么学" , type : 3 , userId: 1 , tags: [ "java" textContent: "我要学Java" , status: 1 , heat: 80 id: 2 , title: "Java怎么学" , type : 2 , userId: 1 , tags: [ "java" textContent: "我要学Java" , status: 1 , heat: 99 id: 3 , title: "Java怎么学" , type : 1 , userId: 1 , tags: [ "java" textContent: "我要学Java" , status: 1 , heat: 100

type：1 为翻译，2 为转载，3 为原创

需求是查询 userId=1 的所有文章，按照热度降序排序，但是原创类型的文章要显示在前面，优先级高于热度。

如果我们简单的按照热度排序的话，那么顺序肯定是 id 为 3（热度：100），2（热度：99），1（热度：80）这样排列的。

但是原创类型的要在前面，那么结果应该是 1（热度：80，类型：原创），3（热度：100，类型：翻译），2（热度：99，类型：转载）。

排序条件肯定是以热度来进行的，这个是肯定的。唯一需要处理的就是怎么将原创类型的排在前面，如果只考虑实现，方式还是有很多种的。

比如：原创类型的热度值可以调的比较高，但是呢，热度值要重新弄一个字段，只用于排序，给用户展示的还是之前的热度值，这样排序就简单了，还是根据热度排就可以实现效果。

weightFactorFunction

在 ES 搜索结果中_score 这个字段相信大家并不陌生，这是 ES 给出的评分，我们可以根据评分来排序，然后将原创类型的评分提高就可以实现想要的效果。

直接看 Java 代码吧，通过 FunctionScoreQueryBuilder 来构建查询。

@Test
public void testSort() {
    FunctionScoreQueryBuilder.FilterFunctionBuilder[] filterFunctionBuilders = new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
            new FunctionScoreQueryBuilder.FilterFunctionBuilder(QueryBuilders.termQuery("type", 3), ScoreFunctionBuilders.weightFactorFunction(100)),
            new FunctionScoreQueryBuilder.FilterFunctionBuilder(QueryBuilders.termQuery("type", 2), ScoreFunctionBuilders.weightFactorFunction(1)),
            new FunctionScoreQueryBuilder.FilterFunctionBuilder(QueryBuilders.matchQuery("type", 1), ScoreFunctionBuilders.weightFactorFunction(1))
    SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
    BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
    boolQuery.must(QueryBuilders.termQuery("userId", 1));
    FunctionScoreQueryBuilder functionScoreQueryBuilder = QueryBuilders.functionScoreQuery(boolQuery, filterFunctionBuilders);
    searchSourceBuilder.query(functionScoreQueryBuilder)
            .sort("_score", SortOrder.DESC)
            .sort("heat", SortOrder.DESC);
    SearchRequest searchRequest = new SearchRequest(elasticSearchIndexConfig.getArticleSearchIndexName());
    searchRequest.types(EsConstant.DEFAULT_TYPE);
    searchRequest.source(searchSourceBuilder);
    List<ArticleDocument> searchResults = kittyRestHighLevelClient.search(searchRequest, ArticleDocument.class);
    searchResults.forEach(doc -> {
        System.out.println(doc.getId() + "\t" + doc.getType() + "\t" + doc.getHeat());
    });
通过 ScoreFunctionBuilders.weightFactorFunction 为文章类型设置对应的权重，原创文章权重为 100，其他的都为 1，这样原创文章的得分就高于其他类型的文章。
 
在排序的时候优先得分排序，然后热度排序。就可以得到我们想要的结果了。
 
scriptFunction
 
除了使用 weightFactorFunction 来设置权重，另外介绍一种灵活度更高，适用于更复杂的排序场景的方式 scriptFunction。
 
scriptFunction 允许我们通过脚本的方式来实现权重，直接看代码：
 
@Test
public void testSort() {
    String scoreScript = "if (doc['type'].value == 3) {" +
            "   return 100;" +
            "} else {" +
            "   return 1;" +
            "}";
    FunctionScoreQueryBuilder.FilterFunctionBuilder[] filterFunctionBuilders = new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
            new FunctionScoreQueryBuilder.FilterFunctionBuilder(QueryBuilders.matchAllQuery(), ScoreFunctionBuilders.scriptFunction(new Script(scoreScript)))
    SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
    BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
    boolQuery.must(QueryBuilders.termQuery("userId", 1));
    FunctionScoreQueryBuilder functionScoreQueryBuilder = QueryBuilders.functionScoreQuery(boolQuery, filterFunctionBuilders);
    searchSourceBuilder.query(functionScoreQueryBuilder)
            .sort("_score", SortOrder.DESC)
            .sort("heat", SortOrder.DESC);
    SearchRequest searchRequest = new SearchRequest(elasticSearchIndexConfig.getArticleSearchIndexName());
    searchRequest.types(EsConstant.DEFAULT_TYPE);
    searchRequest.source(searchSourceBuilder);
    List<ArticleDocument> searchResults = kittyRestHighLevelClient.search(searchRequest, ArticleDocument.class);
    searchResults.forEach(doc -> {
        System.out.println(doc.getId() + "\t" + doc.getType() + "\t" + doc.getHeat());
    });
scoreScript 就是控制权重的脚本，也就是一段代码（脚本默认是 groovy），是不是方便的多。
 
参考ES官方文档
                        原文链接：https://www.cnblogs.com/yinjihuan/p/13570778.html
                                    elasticsearch 8.4 下载
Elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用Elasticsearch的水平伸缩性，能使数据在生产环境变得更有价值。Elasticsearch 的实现原理主要分为以下几个步骤，首先用户将数据提交到Elasticsearch 数据库中，再通过分词控制器去将对应的语句分词，将其权重和分词结果一并存入数据，当用户搜索数据时候，再根据权重将结果排名，打分，再将返回结果呈现给用户。
Elasticsearch是与名为Logstash的数据收集和日志解析引擎以及名为Kibana的分析和可视化平台一起开发的。这三个产品被设计成一个集成解决方案，称为“Elastic Stack”（以前称为“ELK stack”）。
Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索，具有接近实时的搜索，并支持多租户。Elasticsearch是分布式的，这意味着索引可以被分成分片，每个分片可以有0个或多个副本。每个节点托管一个或多个分片，并充当协调器将操作委托给正确的分
                                    我们在使用ES进行查询时常常遇到这样的场景：需要根据用户输入的查询关键字同时去匹配多个字段，并且希望对匹配字段的权重做不同的设置，比如同时去匹配公司名称和公司简介，这里一般需要提升公司名称匹配的权重，这样得出的相关性评分才会更准确。
在ES中，我们可以通过boost参数来控制多字段查询的权重。
es搜索keyWord字段，需要给es指定字段weight加上系数进行排序
二、建立测试索引
 curl -XDELETE 'http://flxapp01:9200/local_service'
curl -X PUT '192.168.1.96:9200/local_service?pretty' \
-H 'Accept: application/json,text/plain, */*' \
-H 'Content-Type: application/json;charset=UTF-8'
                                    在 Elasticsearch 中，可以使用 "function_score" 查询来实现多字段的权重排序。 "function_score" 查询允许您为每个文档计算一个分数，并在查询结果中按该分数排序。可以使用 "boost_mode" 参数来指定怎样组合每个字段的分数。例如，可以使用 "sum" 模式将所有字段的分数相加，或使用 "avg" 模式计算所有字段的平均分数。
具体查询示例:
                                    上一次我用requests库写的一个抓取页面中链接的简单代码，延伸一下，我们还可以利用它来获取我们网站的PR以及百度权重。原理差不多。最后我们甚至可以写一个循环批量查询网站的相关信息。
先说说GooglePR，全称PageRank。它是Google官方给出的评定一个网站SEO的评级，这个大家应该不陌生。既然是官方给出的，当然有一个官方的接口去获取它。我们这里就利用官方的接口获取谷歌PR。
复制代码 代码如下:
GPR_HASH_SEED =”Mining PageRank is AGAINST GOOGLE’S TERMS OF SERVICE. Y\
es, I’m talking to y
                                    我们有一个es库存的是文章，用户可以保存检索上次的记录，然后再一次检索的情况下如果有新文章则将其作为打上代表新文章的标签，并且置顶 显示。其他的文章分页排序不变。翻译成技术上的问题就是，已知文档某个字段值，如何将其权重提高，而不影响其他文档的分数。
                                    随着应用程序的增长，提高搜索质量的需求也进一步增大。我们把它叫做搜索体验。我们需要知道什么对用户更重要，关注用户如何使用搜索功能。这导致不同的结论，例如，有些文档比其他的更重要，或特定查询需强调一个字段而弱化其他字段。这就是可以用到加权的地方。
进一步说搜索体验，我们更希望检索出来的数据是最想得到的数据；
这个其实就是关于文档的【相关性得分】
进一步细节说：我们查询的所有文档...