在Elasticsearch中，常规的单字段或多字段排序通常能够满足大部分需求。然而，当面临需要根据字段的特定状态（例如字段是否存在、字段值是否为空）来决定排序优先级，并且在此基础上再结合其他字段进行排序时，标准排序机制可能显得力不从心。这时，Elasticsearch提供的脚本排序（Script-Based Sorting）功能便成为解决此类复杂问题的强大工具。
Elasticsearch中的复杂排序需求
考虑以下场景：我们需要对文档进行排序，首先根据 tags 字段是否包含任何标签来区分文档。有标签的文档应优先显示，然后按 createdAt 字段升序排列；而没有标签的文档则排在后面，同样按 createdAt 字段升序排列。这种“有条件”的排序逻辑，正是脚本排序的典型应用场景。
环境准备：索引映射与示例数据
为了演示这一过程，我们首先需要创建一个Elasticsearch索引，并定义相应的字段映射。createdAt 字段应为 date 类型以便进行时间排序，而 tags 字段则应为 keyword 类型，以支持精确匹配和脚本访问其内容。
PUT idx_sort
{
"mappings": {
"properties": {
"createdAt": {
"type": "date"
},
"tags": {
"type": "keyword"
}
}
}
}接下来，我们插入一些示例文档，这些文档包含不同 tags 状态和 createdAt 时间，以验证我们的排序逻辑。
POST idx_sort/_doc
{
"createdAt": "2022-11-25T09:45:00.000Z",
"tags": [
"Response Needed"
]
}
POST idx_sort/_doc
{
"createdAt": "2022-11-24T09:45:00.000Z",
"tags": [
"Response 02"
]
}
POST idx_sort/_doc
{
"createdAt": "2022-11-24T09:45:00.000Z",
"tags": [
"Customer care","Response Needed"
]
}
POST idx_sort/_doc
{
"createdAt": "2022-11-24T09:45:00.000Z",
"tags": [
]
}核心实现：Painless脚本排序
解决上述复杂排序需求的关键在于使用 _script 排序。我们将在排序数组中定义一个基于Painless语言的脚本，该脚本负责为每个文档生成一个临时的排序值。
Painless脚本详解
脚本的核心逻辑是判断 tags 字段是否为空。在Painless脚本中，可以通过 doc['field_name.keyword'] 来访问字段的 fielddata，并使用 .size() 方法获取多值字段的元素数量。
def list = doc['tags.keyword']; // 获取tags字段的fielddata
if(list.size() > 0){ // 判断tags列表是否包含元素
return 1; // 如果有标签，返回1作为排序值
} else {
return 0; // 如果没有标签，返回0作为排序值
}这个脚本会为每个文档生成一个数字：如果 tags 字段有值，则返回 1；如果 tags 字段为空，则返回 0。我们将这个脚本作为主要的排序键，并将其 order 设置为 desc（降序），这样 1（有标签）的文档就会排在 0（无标签）的文档之前。
辅助排序
在脚本排序之后，我们需要添加 createdAt 字段的排序。当多个文档通过脚本排序得到相同的值时（例如，所有有标签的文档都得到 1），Elasticsearch会根据 sort 数组中的下一个排序条件进行排序。在本例中，我们希望 createdAt 按升序排列。
{
"createdAt": {
"order": "asc"
}
}完整查询示例
将上述脚本排序和辅助排序结合起来，构成完整的搜索查询：
GET idx_sort/_search
{
"sort": [
{
"_script": {
"type": "number",
"script": {
"lang": "painless",
"source": """
def list = doc['tags.keyword'];
if(list.size() > 0){
return 1;
} else {
return 0;
}
"""
},
"order": "desc"
}
},
{
"createdAt": {
"order": "asc"
}
}
]
}结果解析
执行上述查询后，Elasticsearch将返回排序后的文档。观察 hits 数组中的 sort 字段，它会显示每个文档对应的排序键值。例如，[1, 1669283100000] 表示该文档的脚本排序值为 1，createdAt 字段的时间戳为 1669283100000。
"hits": [
{
"_index": "idx_sort",
"_id": "kI89toQBEoAIompjxkWN",
"_score": null,
"_source": {
"createdAt": "2022-11-24T09:45:00.000Z",
"tags": [
"Customer care",
"Response Needed"
]
},
"sort": [
1,
1669283100000
]
},
{
"_index": "idx_sort",
"_id": "j489toQBEoAIompjkkXO",
"_score": null,
"_source": {
"createdAt": "2022-11-24T09:45:00.000Z",
"tags": [
"Response 02"
]
},
"sort": [
1,
1669283100000
]
},
{
"_index": "idx_sort",
"_id": "jo83toQBEoAIompjcEXD",
"_score": null,
"_source": {
"createdAt": "2022-11-25T09:45:00.000Z",
"tags": [
"Response Needed"
]
},
"sort": [
1,
1669369500000
]
},
{
"_index": "idx_sort",
"_id": "kY8-toQBEoAIompj6kXg",
"_score": null,
"_source": {
"createdAt": "2022-11-24T09:45:00.000Z",
"tags": []
},
"sort": [
0,
1669283100000
]
}
]从结果中可以看出，所有带有标签的文档（脚本排序值为 1）都排在了前面，并且在它们内部，根据 createdAt 字段进行了升序排列。接着是无标签的文档（脚本排序值为 0），同样根据 createdAt 字段升序排列。
注意事项与性能考量
- 性能影响： 脚本排序的性能开销通常高于基于字段值的常规排序。因为每个文档在排序时都需要执行脚本，这会消耗CPU资源。对于大型数据集，应谨慎使用，并尽可能优化脚本逻辑。
- 字段数据（Fielddata）： 访问 doc['field_name.keyword'] 需要Elasticsearch加载该字段的 fielddata 到内存中。对于 text 字段，fielddata 默认是禁用的，因为它可能消耗大量内存。对于 keyword 字段，fielddata 通常是默认启用的，但仍需注意其内存占用。
- 脚本安全性： Painless是Elasticsearch专门为安全和高性能设计的脚本语言，它运行在一个沙盒环境中。尽管如此，编写脚本时仍应遵循最佳实践，避免不必要的复杂性。
- 更复杂的条件排序： 本教程中 createdAt 字段的排序方向是固定的（升序）。如果需要实现更复杂的条件，例如“有标签时 createdAt 升序，无标签时 createdAt 降序”，则需要将 createdAt 的排序逻辑也整合到主脚本中，返回一个能够反映这种复杂逻辑的复合排序值。例如，可以返回一个浮点数，其整数部分表示标签存在性，小数部分表示 createdAt 的逆序或正序值。但这会显著增加脚本的复杂性。
总结
通过本教程，我们学习了如何利用Elasticsearch的脚本排序功能，结合Painless脚本来处理多字段和条件性的复杂排序需求。这种方法提供了极大的灵活性，能够根据业务逻辑动态生成排序键，从而实现精确的数据组织和呈现。在实际应用中，务必权衡其带来的灵活性与潜在的性能开销，并进行充分的测试和优化。
