在之前的文章中，我介绍了 Painless 脚本编程，并提供了有关其语法和用法的详细信息。 它还涵盖了一些最佳实践，例如，为什么使用参数，何时访问文档字段时何时使用 “doc” 值而不是 “ _source” 以及如何动态创建字段等。
之前的文章：
在本文中，我们将探讨 Painless 脚本的更多用法。 本文介绍了在查询上下文中使用 Painless 脚本，过滤上下文，在脚本中使用条件，删除字段/嵌套字段，访问嵌套对象，在评分中使用脚本等。
教程
首先，让我们使用可用于本文其余部分的数据集：
PUT tweets/_bulk
{"index":{"_id":1}}
{"username":"tom","posted_date":"2017/07/25" ,"message": "I brought apple stock at the best price" ,"tags": ["stock","money"] , "info":{"device":"mobile", "os": "ios"}, "likes": 10}
{"index":{"_id":2}}
{"username":"mary","posted_date":"2017/06/25" ,"message": "Machine learning is the future" ,"tags": ["ai","tech"] , "info":{"device":"desktop", "os": "ios"}, "likes": 100}
{"index":{"_id":3}}
{"username":"tom","posted_date":"2017/07/27" ,"message": "just tweeting" ,"tags": ["confused"] , "info":{"device":"mobile", "os": "win"}, "likes": 0}
{"index":{"_id":4}}
{"username":"mary","posted_date":"2017/07/28" ,"message": "exploring painless" ,"tags": ["elastic"] , "info":{"device":"mobile", "os": "linux"}, "likes": 100}
{"index":{"_id":5}}
{"username":"mary","posted_date":"2017/05/20" ,"message": "painless is fun but its a new scripting language in the town" ,"tags": ["elastic","painless","scripting"] , "info":{"device":"mobile", "os": "linux"}, "likes": 1000}
在上面，我们通过 bulk API 来把我们的实验数据导入到 tweets 索引中。
Script Query
脚本查询使我们可以在每个文档上执行脚本。 脚本查询通常在过滤器上下文中使用。 如果要在查询或过滤器上下文中包含脚本，请确保将脚本嵌入脚本对象（"script"：{}）中。 因此，在下面的示例中，您将在 script 标签内看到 script 标签。
让我们尝试一个例子。 让我们找出所有包含字符串 “painless” 且长度大于25个字符的推文。
GET tweets/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"message": "painless"
}
}
],
"filter": [
{
"script": {
"script": {
"source": "doc['message.keyword'].value.length() > params.length",
"params": {
"length": 25
}
}
}
}
]
}
}
}
返回结果：
"hits" : [
{
"_index" : "tweets",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.60910475,
"_source" : {
"username" : "mary",
"posted_date" : "2017/05/20",
"message" : "painless is fun but its a new scripting language in the town",
"tags" : [
"elastic",
"painless",
"scripting"
],
"info" : {
"device" : "mobile",
"os" : "linux"
},
"likes" : 1000
}
}
]
Aggregation 中的 Scripts
脚本也可以用于聚合中。 对于聚合，我们通常使用字段（非分析字段）中的值执行聚合。 使用脚本，可以从现有字段中提取值，从多个字段中追加值，然后对新派生的值进行聚合。
在上面的推文中，我们仅包含 “posted_date” 信息。 如果我们想找出每月的推文数量怎么办？ 下面是一个示例，显示了聚合中脚本的使用：
GET tweets/_search
{
"size": 0,
"aggs": {
"my_terms_agg": {
"terms": {
"script": {
"source": """
ZonedDateTime date = doc['posted_date'].value;
return date.getMonth()
"""
}
}
}
}
}
在上面我们通过 script 来获得每个文档的月份，然后让这个生产的月份来进行做聚合：
"aggregations" : {
"my_terms_agg" : {
"doc_count_error_upper_bound" : 0,
"sum_other_doc_count" : 0,
"buckets" : [
{
"key" : "JULY",
"doc_count" : 3
},
{
"key" : "JUNE",
"doc_count" : 1
},
{
"key" : "MAY",
"doc_count" : 1
}
]
}
}
使用脚本来删除一个字段
我们可以使用脚本删除字段/嵌套字段。 您要做的就是使用 remove 方法并传入字段/嵌套字段名称。 例如，假设我们要删除 ID 为5的文档的嵌套字段 “device”。
POST tweets/_update/5
{
"script": {
"source": "ctx._source.info.remove(params.fieldname)",
"params": {
"fieldname": "device"
}
}
}
我们来重新查询id为5的文档：
GET tweets/_doc/5
返回的结果：
"_source" : {
"username" : "mary",
"posted_date" : "2017/05/20",
"message" : "painless is fun but its a new scripting language in the town",
"tags" : [
"elastic",
"painless",
"scripting"
],
"info" : {
"os" : "linux"
},
"likes" : 1000
}
我们可以看到在 info 下的 device 被删除了。
利用 Scripts 来定制分数
当我们执行匹配查询时，elasticsearch 返回匹配结果，并为每个匹配的文档计算分数，以显示文档与给定查询的匹配程度。 尽管默认算法 BM25 很好地完成了评分/相关性，但有时必须通过其他算法来回答相关性问题，或者必须通过其他评分启发式方法来增强相关性。 在这里，Elasticsearch 的 script_score 和 function_score 功能变得有用。
假设我们要搜索 “painless” 文本，但要在搜索结果顶部显示带有更多 “likes” 赞的推文。 它更像是顶部的热门推文/流行推文。 让我们来看看它的实际效果。
GET tweets/_search
{
"query": {
"function_score": {
"query": {
"match": {
"message": "painless"
}
},
"script_score": {
"script": {
"source": "1 + doc['likes'].value"
}
}
}
}
}
返回结果：
"hits" : [
{
"_index" : "tweets",
"_type" : "_doc",
"_id" : "5",
"_score" : 529.9271,
"_source" : {
"username" : "mary",
"posted_date" : "2017/05/20",
"message" : "painless is fun but its a new scripting language in the town",
"tags" : [
"elastic",
"painless",
"scripting"
],
"info" : {
"os" : "linux"
},
"likes" : 1000
}
},
{
"_index" : "tweets",
"_type" : "_doc",
"_id" : "4",
"_score" : 98.51341,
"_source" : {
"username" : "mary",
"posted_date" : "2017/07/28",
"message" : "exploring painless",
"tags" : [
"elastic"
],
"info" : {
"device" : "mobile",
"os" : "linux"
},
"likes" : 100
}
}
]
在上面的示例中，如果由于进行了常规查询而未创建自定义分数，则由于 TF/IDF，文档4将会位于顶部（由于这个句子比较短），也就是文档分数将高于文档5。
GET tweets/_search
{
"query": {
"match": {
"message": "painless"
}
}
}
返回的结果是：
"hits" : [
{
"_index" : "tweets",
"_type" : "_doc",
"_id" : "4",
"_score" : 0.9753803,
"_source" : {
"username" : "mary",
"posted_date" : "2017/07/28",
"message" : "exploring painless",
"tags" : [
"elastic"
],
"info" : {
"device" : "mobile",
"os" : "linux"
},
"likes" : 100
}
},
{
"_index" : "tweets",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.5293977,
"_source" : {
"username" : "mary",
"posted_date" : "2017/05/20",
"message" : "painless is fun but its a new scripting language in the town",
"tags" : [
"elastic",
"painless",
"scripting"
],
"info" : {
"os" : "linux"
},
"likes" : 1000
}
}
]
文档id为4的分数高于 id 为5的文档。
