Elasticsearch：如何针对一个区域的搜索结果进行加权
在我们实际的很多位置搜索中，我们有许多案例需要针对某个区域的搜索结果进行加权，从而使得这个区域的搜索结果的得分较高而排在返回结果的前面。比如有一下的一些使用场景：
- 针对地理位置搜索，对于某个区域的搜索结果进行加权，从而提高对这个区域人口的警觉。在 Elasticsearch 中，我们可以使用行政区域来进行检索。你可以在文章中看到这个是如何实现的。关于 EMS (Elastic Maps Service) 的更多可以在链接找到。
- 在实际的应用中，我们可能遇到很少的情况是按照行政区域进行划分的。针对一些特殊行业，比如快递。我们可能指定某些快递员专门负责一个区域的投放，但是如果在该区域的快递全部投放完毕，可以让这部分人帮忙投放其它相邻区域的投放。在这种情况下，可以针对这些快递员负责的区域进行加权，从而让他们负责的区域的快件搜索结果靠前，相邻区域的次之。
针对上面的两种情况，我们可能需要针对他们进行特别区域的划分。我们可以使用一个 Polygon 来画一个我们想要的区域，并对它的搜索结果进行加权。
采用的方法
我们可以通过 Elasticsearch 所提供的 compound query:
{
"query": {
"bool": {
"must": [
搜索的区域
],
"should": [
对搜索区域交叉的区域进行加权
]
}
}
}如果你对 compound query 不是很熟的话，请参考我之前的文章 “开始使用Elasticsearch （2）”。
准备数据
在做这个练习之前，你可以参考我之前的文章 “Elasticsearch：如何制作 GeoJSON 文件并进行地理位置搜索”。在那里我详述了如何把数据导入及使用 GeoJSON 来制作一个边界。 针对今天的练习，我们使用如下的数据：
POST my_locations/_bulk
{ "index" : { "_id" : "3" } }
{ "location" : [ -104.06876, 39.77462 ], "name": "C" }
{ "index" : { "_id" : "4" } }
{ "location" : [ -103.59538, 38.5718 ], "name": "D" }
{ "index" : { "_id" : "5" } }
{ "location" : [ -104.94538, 38.16629 ], "name": "E" }
{ "index" : { "_id" : "1" } }
{ "location" : [ -105.38369, 40.11067 ], "name": "A" }
{ "index" : { "_id" : "6" } }
{ "location" : [ -107.99602, 39.17918 ], "name": "F" }
{ "index" : { "_id" : "2" } }
{ "location" : [ -104.34051, 40.03688 ], "name": "B" }运行上面的命令，创建相应的索引模式。按照之前的文章，为了展示的目的，我们也创建了一个 GeoJSON 文件：
simple.json
{
"type": "FeatureCollection",
"features": [
{
"type": "Feature",
"properties": {},
"geometry": {
"type": "Polygon",
"coordinates": [
[
[
-106.10465,
40.16875
],
[
-106.0736,
39.33315
],
[
-105.142,
39.16482
],
[
-103.85329,
39.18889
],
[
-103.52723,
39.77609
],
[
-104.17935,
40.27545
],
[
-105.17305,
40.33465
],
[
-106.10465,
40.16875
]
]
]
}
},
{
"type": "Feature",
"properties": {},
"geometry": {
"type": "Polygon",
"coordinates": [
[
[
-109.07025,
41.00014
],
[
-109.07025,
36.99584
],
[
-102.02114,
36.99584
],
[
-102.02114,
41.00014
],
[
-109.07025,
41.00014
] ]
]
}
}
]
}我们可以按照文章 “Elasticsearch：如何制作 GeoJSON 文件并进行地理位置搜索” 中所介绍的那样制作相应的边界：
如上图所示，文档 A, B, C 位于定义的 Polygon 之内，而 D, E, F 则不在 Polygon 之内。我们现在的要求是：
- 搜索到所有位于长方形内的所有文档
- 针对位于 Polygon 内的所有文档进行加权，从而使得它们的得分较高
搜索结果
按照上面的要求，我们可以进行如下的搜索：
GET my_locations/_search
{
"query": {
"bool": {
"must": [
{
"geo_shape": {
"location": {
"shape": {
"type": "polygon",
"coordinates": [
[
[
-109.07025,
41.00014
],
[
-109.07025,
36.99584
],
[
-102.02114,
36.99584
],
[
-102.02114,
41.00014
],
[
-109.07025,
41.00014
]
]
]
}
}
}
}
],
"should": [
{
"geo_polygon": {
"location": {
"points": [
[
-106.10465,
40.16875
],
[
-106.0736,
39.33315
],
[
-105.142,
39.16482
],
[
-103.85329,
39.18889
],
[
-103.52723,
39.77609
],
[
-104.17935,
40.27545
],
[
-105.17305,
40.33465
],
[
-106.10465,
40.16875
]
]
}
}
}
]
}
}
}请注意在 must 中，我们使用的是在 GeoJSON 文件 simple.json 中的 rectangle 的坐标，而在 should 中我们使用的是 ploygon 的坐标。由于 rectange 可以看做是 ploygon 的一种特殊形式，我们统一使用 geo_shape 来进行搜索。当然在这里针对 rectangle 的搜索你也可以使用 geo_bounding_box 来进行搜索。
搜索的结果如下：
{
"took" : 2,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 6,
"relation" : "eq"
},
"max_score" : 1.0,
"hits" : [
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "3",
"_score" : 1.0,
"_source" : {
"location" : [
-104.06876,
39.77462
],
"name" : "C"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "1",
"_score" : 1.0,
"_source" : {
"location" : [
-105.38369,
40.11067
],
"name" : "A"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "2",
"_score" : 1.0,
"_source" : {
"location" : [
-104.34051,
40.03688
],
"name" : "B"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "4",
"_score" : 0.0,
"_source" : {
"location" : [
-103.59538,
38.5718
],
"name" : "D"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.0,
"_source" : {
"location" : [
-104.94538,
38.16629
],
"name" : "E"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "6",
"_score" : 0.0,
"_source" : {
"location" : [
-107.99602,
39.17918
],
"name" : "F"
}
}
]
}
}从返回的结果来看，A, B, C 文档的得分较高，并排在前面。
如果我们不使用加权：
GET my_locations/_search
{
"query": {
"bool": {
"must": [
{
"geo_shape": {
"location": {
"shape": {
"type": "polygon",
"coordinates": [
[
[
-109.07025,
41.00014
],
[
-109.07025,
36.99584
],
[
-102.02114,
36.99584
],
[
-102.02114,
41.00014
],
[
-109.07025,
41.00014
]
]
]
}
}
}
}
]
}
}
}搜索的结果是：
{
"took" : 1,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 6,
"relation" : "eq"
},
"max_score" : 0.0,
"hits" : [
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "3",
"_score" : 0.0,
"_source" : {
"location" : [
-104.06876,
39.77462
],
"name" : "C"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "4",
"_score" : 0.0,
"_source" : {
"location" : [
-103.59538,
38.5718
],
"name" : "D"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.0,
"_source" : {
"location" : [
-104.94538,
38.16629
],
"name" : "E"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.0,
"_source" : {
"location" : [
-105.38369,
40.11067
],
"name" : "A"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "6",
"_score" : 0.0,
"_source" : {
"location" : [
-107.99602,
39.17918
],
"name" : "F"
}
},
{
"_index" : "my_locations",
"_type" : "_doc",
"_id" : "2",
"_score" : 0.0,
"_source" : {
"location" : [
-104.34051,
40.03688
],
"name" : "B"
}
}
]
}
}从上面，我们可以看出来 A，B，C 的结果不一定是在前面。
在上面需要注意的一点是：geo_shape 搜索在最新的版本中是建议可替代 geo_polygon，但是在实际的使用中，我发现 geo_shape 的搜索是不给任何分数的，score 为 0。geo_bounding_box 以及 geo_polygon 是可以给出一个分数的。在这种应用场景中建议使用它们来计分。