很多变量都可以影响用户对于度假屋的选择，也许用户希望离市中心近点，但如果价格足够便宜，也有可能选择一个更远的住处，也有可能反过来是正确的：愿意为最好的位置付更多的价钱。
如果我们添加过滤器排除所有市中心方圆 1 千米以外的度假屋，或排除所有每晚价格超过 £100 英镑的，我们可能会将用户愿意考虑妥协的那些选择排除在外。
function_score 查询会提供一组 衰减函数（decay functions） ，让我们有能力在两个滑动标准，如地点和价格，之间权衡。
有三种衰减函数—— linear 、 exp 和 gauss （线性、指数和高斯函数），它们可以操作数值、时间以及经纬度地理坐标点这样的字段。所有三个函数都能接受以下参数：
origin-
中心点 或字段可能的最佳值，落在原点
origin上的文档评分_score为满分1.0。 scale-
衰减率，即一个文档从原点
origin下落时，评分_score改变的速度。（例如，每 £10 欧元或每 100 米）。 decay-
从原点
origin衰减到scale所得的评分_score，默认值为0.5。 offset-
以原点
origin为中心点，为其设置一个非零的偏移量offset覆盖一个范围，而不只是单个原点。在范围-offset ⇐ origin ⇐ +offset内的所有评分_score都是1.0。
这三个函数的唯一区别就是它们衰减曲线的形状，用图来说明会更为直观（参见 衰减函数曲线 ）。
图 衰减函数曲线 中所有曲线的原点 origin （即中心点）的值都是 40 ， offset 是 5 ，也就是在范围 40 - 5 ⇐ value ⇐ 40 + 5 内的所有值都会被当作原点 origin 处理——所有这些点的评分都是满分 1.0 。
在此范围之外，评分开始衰减，衰减率由 scale 值（此例中的值为 5 ）和 衰减值 decay （此例中为默认值 0.5 ）共同决定。结果是所有三个曲线在 origin +/- (offset + scale) 处的评分都是 0.5 ，即点 30 和 50 处。
linear 、 exp 和 gauss （线性、指数和高斯）函数三者之间的区别在于范围（ origin +/- (offset + scale) ）之外的曲线形状：
-
linear线性函数是条直线，一旦直线与横轴 0 相交，所有其他值的评分都是0.0。 -
exp指数函数是先剧烈衰减然后变缓。 -
gauss高斯函数是钟形的——它的衰减速率是先缓慢，然后变快，最后又放缓。
选择曲线的依据完全由期望评分 _score 的衰减速率来决定，即距原点 origin 的值。
回到我们的例子：用户希望租一个离伦敦市中心近（ { "lat": 51.50, "lon": 0.12} ）且每晚不超过 £100 英镑的度假屋，而且与距离相比，我们的用户对价格更为敏感，这样查询可以写成：
GET /_search
{
"query": {
"function_score": {
"functions": [
{
"gauss": {
"location": { (1)
"origin": { "lat": 51.5, "lon": 0.12 },
"offset": "2km",
"scale": "3km"
}
}
},
{
"gauss": {
"price": { (2)
"origin": "50", (3)
"offset": "50",
"scale": "20"
}
},
"weight": 2 (4)
}
]
}
}
}-
location字段以地理坐标点geo_point映射。 -
price字段是数值。 -
参见 理解价格语句 ，理解
origin为什么是50而不是100。 -
price语句是location语句权重的两倍。
location 语句可以简单理解为：
-
以伦敦市中作为原点
origin。 -
所有距原点
origin2km范围内的位置的评分是1.0。 -
距中心
5km（offset + scale）的位置的评分是0.5。
price 语句使用了一个小技巧：用户希望选择 £100 英镑以下的度假屋，但是例子中的原点被设置成 £50 英镑，价格不能为负，但肯定是越低越好，所以 £0 到 £100 英镑内的所有价格都认为是比较好的。
如果我们将原点 origin 被设置成 £100 英镑，那么低于 £100 英镑的度假屋的评分会变低，与其这样不如将原点 origin 和偏移量 offset 同时设置成 £50 英镑，这样就能使只有在价格高于 £100 英镑（ origin + offset ）时评分才会变低。
|
Tip
|
|