接上一回。

Painless Lab 是 Elasticsearch 7.13 引入的实验性功能，是一个交互式代码编辑器，可以实时测试和调试 Painless 脚本。

本文展开解读 Painless Lab 如何应用于企业级实战开发中的脚本调试环节！

1、Painless Lab 是什么？

Painless Lab是一个交互式的测试版代码编辑器，用于实时测试和调试Painless脚本。

咱们可以通过打开主菜单，点击开发工具，然后选择 Painless Lab 来访问它。

如下图所示，左侧是：脚本输入区域。右侧由三部分组成：

Output：代表结果输出，确切说是调试结果输出。
Parameters：代表参数输入。
Context：代表上下文，确切说是不同脚本类型选型与选择。

2、Painless Lab 能干什么？

一句话：Painless Lab 可以实时测试和调试 Painless 脚本。

Painless Lab 允许我们创建 Kibana 运行时字段（runtime fields）、处理重新索引的数据（reindex）、定义复杂的 Watcher 条件（付费功能），并在其他上下文中处理数据。

下面的 Context 部分展开就是 Painless Lab 的核心功能区域。

三种类型进一步展开：

进一步再展开解读。

https://www.elastic.co/guide/en/elasticsearch/painless/8.11/painless-execute-api.html#_contexts

上下文	描述
painless_test	默认上下文，如果没有指定其他上下文则使用此上下文。用于通用脚本测试，例如调试和验证脚本逻辑。
filter	将脚本视为在脚本查询中运行。用于过滤数据。
score	将脚本视为在 function_score 查询中的 script_score 函数中运行。用于评分数据。

2.1 painless_test 类型

默认上下文，如果没有指定其他上下文则使用此上下文。用于通用脚本测试，例如调试和验证脚本逻辑。

2.2 filter 类型

将脚本视为在脚本查询中运行。用于过滤数据。

2.3 score 类型

将脚本视为在 function_score 查询中的 script_score 函数中运行。用于评分数据。

我们逐一详尽展开解读，确保大家跟着过一遍，就能学得会！

3、 Basic painless_test 基础调试

Basic 上下文允许我们独立测试脚本逻辑，并将结果转换为字符串输出。

样例数据可以放到 params 中作为输入。

实战举例如下：

对于 Ingest pipeline 脚本，参考官方示例，由于脚本是在 Ingest Pipeline 中处理数据的，并且没有涉及到查询过滤 filter 或评分 score，因此 Basic 上下文是最合适的选择。

https://www.elastic.co/guide/en/elasticsearch/reference/current/script-processor.html

如上图所示，我们在 parameters 中输入如下数据：

{
  "ctx": {
    "env": "小米-笔记本-电脑-雷军"
  },
  "params": {
    "delimiter": "-",
    "position": 1
  }
}

我们在左侧输入如下的 painless script 脚本，如下所示：

// 获取 ctx 数据
def ctx = params.ctx;

// 获取参数
def delimiter = params.params.delimiter;
def position = params.params.position;

// 执行脚本逻辑
String[] envSplit = ctx.env.splitOnToken(delimiter);
ArrayList tags = new ArrayList();
//tags.add(envSplit[position].trim());
for (def tag : envSplit) {
   tags.add(tag.trim());
}
ctx.tags = tags;

// 返回结果以供调试
return ctx.tags;

执行结果如下图右侧 Output 所示。

上述脚本实现的核心功能就是：以分隔符截断字符串，形成独立字符串，插入到 tags 集合中。

这样调试过之后，再微调一下就可以应用到 ingest pipeline 中。

4、filter 过滤调试

区别于刚才的逻辑，这里需要我们先创建索引，然后基于我们构造的索引数据进行展开 filter 过滤检索。

POST /hockey/_doc/1
{
  "first": "johnny",
  "last": "gaudreau",
  "goals": [9, 27, 1],
  "assists": [17, 46, 0],
  "gp": [26, 82, 1]
}

POST /hockey/_doc/2
{
  "first": "john",
  "last": "doe",
  "goals": [2, 3, 4],
  "assists": [1, 2, 3],
  "gp": [4, 5, 6]
}

上述索引必须构建，否则会报错如下图所示。

错误原因可能是：索引不存在或者Mapping 不存在。

正确的执行步骤如下所示：

结合上面三个步骤以及左侧的脚本，主要验证左侧脚本正确与否。注意：返回值必须是 Bool 类型。执行结果如下：

最终结合上述调试成功的脚本，整合到 script query 检索语句中，就能得到满足用户预期的结果数据。

POST /hockey/_search
{
  "query": {
    "bool": {
      "filter": {
        "script": {
          "script": {
            "lang": "painless",
            "source": """
            // 获取 goals 字段的值
            def goals = doc['goals'];
            
            // 初始化总和变量
            int sum = 0;
            
            // 遍历 goals 数组并计算总和
            for (int i = 0; i < goals.size(); i++) {
              sum += goals.get(i);
            }
            
            // 输出调试信息
            //Debug.explain(sum);
            
            // 返回 true 以匹配所有文档，仅用于调试目的
            return sum>10;
            """
          }
        }
      }
    }
  }
}

5、评分 score 类型调试

在 Elasticsearch 中，score 类型调试上下文用于在 function_score 查询中的 script_score 函数中运行脚本。

该方式允许用户编写脚本来动态计算文档的评分，从而影响搜索结果的排序。

5.1 真实企业场景再现

假设我们有一个包含产品信息的索引 products，每个文档包含以下字段：

1.name: 产品名称
2.price: 产品价格
3.rating: 产品评分

我们希望根据价格和评分来动态计算每个产品的分数，具体规则如下：

1.价格越低，分数越高
2.评分越高，分数越高

POST /products/_doc/1
{
  "name": "Product A",
  "price": 100,
  "rating": 4.5
}

POST /products/_doc/2
{
  "name": "Product B",
  "price": 200,
  "rating": 4.0
}

POST /products/_doc/3
{
  "name": "Product C",
  "price": 150,
  "rating": 3.5
}

5.2 评分查询脚本调试示例

我们将编写一个 function_score 查询，使用 Painless 脚本来计算每个文档的分数，并根据计算结果排序。

核心逻辑：

1、获取字段值；
2、脚本重新计算评分；
3、返回自定义评分。

在 Painless Lab 中，可以使用类似的脚本来调试和验证评分逻辑：

构造参数 Parameters 部分

{
    "price": 100,
    "rating": 4.5
}

左侧脚本部分

// 获取参数值
long price = params.price;
double rating = params.rating;

// 检查字段值是否存在
if (price == 0 || rating == 0) {
    // 如果任一字段值为 0，则返回默认分数（例如 0）
    return 0.0;
}

// 自定义评分逻辑
double score = (1 / (float)price) * rating;

// 返回评分结果
return score;

执行结果如下所示：

上述脚本通过使用 score 上下文中的 script_score 函数，可以根据自定义逻辑动态计算文档的分数，从而影响搜索结果的排序。

这在需要根据复杂规则排序搜索结果时非常有用。

通过在 Painless Lab 中调试和验证上述脚本，可以确保评分逻辑的正确性和有效性。

进而，可以组合写出如下的评分脚本检索语句。

POST /products/_search
{
  "query": {
    "function_score": {
      "query": {
        "match_all": {}
      },
      "script_score": {
        "script": {
          "source": """
            long price = doc['price'].value;
            double rating = doc['rating'].value;
            
            // 自定义评分逻辑
            double score = (1 / (float)price) * rating;
            return score;
          """
        }
      },
      "boost_mode": "replace"  // 使用脚本计算的分数替换原始分数
    }
  }
}