请注意:
本书基于 Elasticsearch 2.x 版本，有些内容可能已经过时。
本书基于 Elasticsearch 2.x 版本，有些内容可能已经过时。
function_score 查询编辑
function_score 查询
是用来控制评分过程的终极武器，它允许为每个与主查询匹配的文档应用一个函数，
以达到改变甚至完全替换原始查询评分 _score 的目的。
实际上，也能用过滤器对结果的 子集 应用不同的函数，这样一箭双雕：既能高效评分，又能利用过滤器缓存。
Elasticsearch 预定义了一些函数：
-
weight -
为每个文档应用一个简单而不被规范化的权重提升值：当
weight为2时，最终结果为2 * _score。 -
field_value_factor -
使用这个值来修改
_score，如将popularity或votes（受欢迎或赞）作为考虑因素。 -
random_score - 为每个用户都使用一个不同的随机评分对结果排序，但对某一具体用户来说，看到的顺序始终是一致的。
-
衰减函数 ——
linear、exp、gauss -
将浮动值结合到评分
_score中，例如结合publish_date获得最近发布的文档，结合geo_location获得更接近某个具体经纬度（lat/lon）地点的文档，结合price获得更接近某个特定价格的文档。 -
script_score - 如果需求超出以上范围时，用自定义脚本可以完全控制评分计算，实现所需逻辑。
如果没有 function_score 查询，就不能将全文查询与最新发生这种因子结合在一起评分，而不得不根据评分 _score 或时间 date 进行排序；这会相互影响抵消两种排序各自的效果。这个查询可以使两个效果融合：可以仍然根据全文相关度进行排序，但也会同时考虑最新发布文档、流行文档、或接近用户希望价格的产品。正如所设想的，查询要考虑所有这些因素会非常复杂，让我们先从简单的例子开始，然后顺着梯子慢慢向上爬，增加复杂度。