今天我们来学习一下Elasticsearch(以下简称ES)中的查询和过滤。

在ES中，有两种搜索：查询和过滤：

QueryContext:它与搜索非常相关。FilterContext:不需要计算相关性，使用缓存可以获得更好的性能。例如，您需要搜索一部电影，其中包含以下信息：

审查包括烧脑，评分高于8，上映时间在2010年到2020年之间。

因此，这个搜索包括三个判断逻辑来查询三个不同的字段。如果需要满足这样的查询需求，ES中提供了bool查询。bool查询可以包含一个或多个查询词，并支持以下四种查询：

必须匹配，贡献分应该：选择性匹配，贡献分必须_不：查询词必须不匹配过滤器：必须匹配，无贡献分。上图是一个bool查询，是对用户的搜索。城市必须是北京，性别必须是男的。这个用了filter，显示这个分数不会。在should中有一个数组，意思是在should中可以写多个条件，只要用户名是这两个中的一个，就满足条件。

事实上，bool query的子查询可以任意顺序出现，可以嵌套多个查询。

此外，应分两种情况使用：

Bool查询只包含should，不包含must查询。布尔查询包含应该查询和必须查询。我们来看看这两种情况有什么区别。

如果bool查询中没有must子句，那么should中至少要满足一个查询(可以通过minimum_should_match设置满足条件的数字或百分比)。

当同时包含should和must时，文档不必满足should中的条件，但如果满足条件，则相关性得分会增加。

FilterContext

上面提到filter和must_not不会影响分数，从查询结果可以看出_score为0。

QueryContext

采用的是应该查询，会分点，结果如下图所示：

同时，查询语句的结构也会对相关性分数产生影响：

同一级别的查询字段具有相同的权重。通过嵌套bool查询，可以改变对分数的影响。

BoostBoostingQuery

相关性也可以通过设置特定字段的boost值来控制：

当boost1时，得分的相关性提高；当Boost1为0时，得分的相关性降低；boost0时贡献负积分或使用ES提供的BoostingQuery进行查询：

首先，插入一些测试数据：

POST/product/_ bulk { ' index ' { ' _ id '1 } } { ' content ' ' Apple MAC ' } { ' index ' { ' _ id '2 } } { ' content ' ' Apple ipad ' } { ' index ' { ' _ id ' 33603 } } { ' content ' 3360 ' Apple juice ' }如下图所示，有同时满足正查询和负查询(内容包含果汁)的负查询，将按照原相关度得分乘以negative_boost进行评分，用于降低负匹配文档的相关度得分。

如右图所示，这一条的查询结果是三条数据，可以发现AppleMac和AppleiPad的相关度得分相同，都在前面，而AppleJuice的相关度得分是另外两条的0.1倍，排在最后。

使用表格总结QueryContext和FilterContext之间的差异：

ContextType是指使用Query查找与查询语句最匹配的文档，计算所有文档的相关度，并对查询进行排序；bool中的must和shouldFilter查找Filter和must _ not在匹配查询语句的bool中；在常量分数中过滤

Filter不需要计算相关分数并按相关分数排序，内置自动缓存中也有最常用过滤器的数据。相反，query需要计算相关度得分并按得分排序，它不能缓存结果。因此，在一些不需要关联分数的查询场景中，尽量使用FilterContext来提高查询效率。

下图显示了易贝对于FilterContext和QueryContext的性能比较：

FilterContextVSQueryContext

那么filter的缓存是如何工作的呢？

ES会建立一个文档匹配过滤位置位集(用来标识文档是否匹配一个过滤条件，如果匹配1，就不匹配0)，下次这个过滤条件来临时，就不需要重新扫描倒排索引了，可以大大提高性能。此外，当添加或更新文档时，该过滤器的位集也将被更新。

总结

当用户输入多个条件进行查询时，可以使用bool查询。在bool查询中，filter和must_not属于FilterContext，不会影响评分结果。必须且应该属于QueryContext，会影响结果得分。

在布尔查询中，查询结构对相关性分数有影响。您可以通过嵌套修改查询中不同字段的权重，并通过指定字段的提升值直接控制搜索中的权重。此外，BoostingQuery可以提高搜索的准确性，并在结果中显示更多搜索。