关于elasticsearch属性not_analyzed，坑

Elasticsearch的function_score查询可以通过多种方式影响搜索结果的相关性得分。它允许您使用一组函数来修改给定查询的得分，以便更好地匹配需要的结果。 以下是一些使用function_score查询的示例： 1. 使用boost_factor来提高特定字段的权重 ``` { "query": { "function_score": { "query": { "match_all": {} }, "boost_factor": 2, "filter": { "term": { "category": "books" } } } } } ``` 这个查询将所有文档匹配到给定的过滤器，然后将它们的得分乘以2。这将使那些在"books"类别下的文档排名更高。 2. 使用gauss函数来基于距离增加得分 ``` { "query": { "function_score": { "query": { "match_all": {} }, "gauss": { "location": { "origin": "37.7749,-122.4194", "scale": "50km" } } } } } ``` 这个查询将所有文档匹配到给定的查询，然后使用基于文档与指定原点之间距离的高斯函数来增加它们的得分。这将使距离更近的文档排名更高。 3. 使用random_score函数来随机分配得分 ``` { "query": { "function_score": { "query": { "match_all": {} }, "random_score": {} } } } ``` 这个查询将所有文档匹配到给定的查询，然后使用随机函数来随机地分配它们的得分。这将使结果的排名变得更随机。 以上仅是function_score查询的一些示例，您可以使用其他函数来修改搜索结果的得分，以便更好地满足您的需求。