1、function_score
参考：https://segmentfault.com/a/1190000037700644
https://blog.csdn.net/lijingjingchn/article/details/106405577
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。
*** 单个加强函数的查询模板
GET 127.0.0.1/mytest/doc/_search
{
"query": {
"function_score": {
"query": {.....}, //主查询，查询完后这裡自己会有一个评分，就是old_score
"field_value_factor": {...}, //在old_score的基础上，给他加强其他字段的评分，这裡会产生一个加强score
，如果只有一个加强function时，直接将加强函数名写在query下面就可以了
"boost_mode": "multiply", //指定用哪种方式结合old_score和加强score成为new_score
"max_boost": 1.5 //限制加强score的最高分，但是不会限制old_score
}
}
}
***functions 多个加强函数的查询模板
GET 127.0.0.1/mytest/doc/_search
{
"query": {
"function_score": {
"query": {.....},
"functions": [ //可以有多个加强函数(或是filter+加强函数)，每一个加强函数会产生一个加强score，因
此functions会有多个加强score
{ "field_value_factor": ... },
{ "gauss": ... },
{ "filter": {...}, "weight": ... }
],
"score_mode": "sum", //决定加强score们怎麽合併,
"boost_mode": "multiply" //決定總加強score怎麼和old_score合併
}
}
}
score_mode
score_mode 设置为了 max，意思是取两个打分函数的最大值作为 func_score，对应上述假设也就是 2.3 和 42 两者中的最大值，即 func_score = 42
boost_mode 设置为了 multiply，就是把原来的 query_score 与 func_score 相乘就得到了最终的 score 分数。
参数 score_mode 指定多个打分函数如何组合计算出新的分数：
multiply : 分数相乘（默认）
sum : 相加
avg : 加权平均值
first : 使用第一个 filter 函数的分数
max : 取最大值
min : 取最小值
为了避免新的分数的数值过高，可以通过 max_boost 参数去设置上限。
boost_mode：
最终的分数 result_score 是由 query_score 与 func_score 进行计算而来，计算方式由参数 boost_mode 定义：
multiply : 相乘（默认），result_score = query_score * function_score
replace : 替换，result_score = function_score
sum : 相加，result_score = query_score + function_score
avg : 取两者的平均值，result_score = Avg(query_score, function_score)
max : 取两者之中的最大值，result_score = Max(query_score, function_score)
min : 取两者之中的最小值，result_score = Min(query_score, function_score)
function_score
function_score 提供了以下几种打分的函数：
weight : 加权。
random_score : 随机打分。
field_value_factor : 使用字段的数值参与计算分数。
decay_function : 衰减函数 gauss, linear, exp 等。
script_score : 自定义脚本。
**例子中的 weight 是 5 ，即自定义函数得分 func_score = 5 ，最终结果的 score 等于 query_score * 5 。
{
"query": {
"function_score": {
"query": { "match": { "message": "elasticsearch" } },
"weight": 5
}
}
}
2、aggs
参考：https://zhuanlan.zhihu.com/p/37500880
es的aggs可以分为度量聚合和桶聚合
度量聚合：min、max、sum、avg聚合， 度量聚合接收一个输入文档集并生成至少一个统计值
{
"aggs" : {
"avg_grade" : { "avg" : { "field" : "grade" } }
}}
桶聚合：term、range聚合，返回很多子集，并限定输入数据到一个特殊的叫做桶的子集中。可以把桶聚合想象成类似前面切面功能的东西
"aggs": {
"sum_logtype": {
"terms": {
"field": "log_type"
} } }}