Elasticsearch查询过滤解惑

简介

之前一直被查询(query)与过滤(filter)所困惑，为什么同样是bool在一个地方就是查询，在另一个地方就是过滤了。

后来仔细的看了一下官方文档才发现，都是查询，只是区分：

1. query context(查询上下文)
2. filter context(过滤上下文)

为什么要区分query context与filter context呢？

因为效率不同，在 filter context中的查询更加高效，因为filter context不会计算相关性评分，并且ES会自动缓存高频过滤查询。

哪些是过滤上下文

首先看到filter肯定是了，另外在bool查询中的must_not也会在filter context中执行。

filter

bool查询：

{
  "query": { 
    "bool": { 
      "filter": [ 
        { "term":  { "status": "1" }},
        { "range": { "create_date": { "lte": "2020-01-01" }}}
      ]
    }
  }
}

constant_score查询：

{
    "query": {
        "constant_score" : {
            "filter" : {
                "term" : { "user" : "tim"}
            },
            "boost" : 1.2
        }
    }
}

聚合函数中：

{
  "aggs" : {
      "month" : {
          "filter" : { "term": { "type": "2" } }
      }
  }
}

must_not

{
  "query": {
    "bool" : {
      "must_not" : {
        "range" : {
          "age" : { "gte" : 18, "lte" : 30 }
        }
      }
    }
  }
}

bool查询

注意：must_not是在filter context(过滤上下文执行)

{
  "query": {
    "bool" : {
      "must" : {
        "term" : { "status" : 1 }
      },
      "filter": {
        "term" : { "type" : "Component" }
      },
      "must_not" : {
        "range" : {
          "ctime" : { "gte" : "2019-12-01", "lte" : "2020-01-01" }
        }
      },
      "should" : [
        { "term" : { "tag" : "Kafka" } },
        { "term" : { "tag" : "Elasticsearch" } }
      ]
    }
  }
}

如上所示，term表示term查询，表示精确匹配，range查询是范围匹配。

上面的查询的含义是，文档中status字段必须为1，type字段必须是”Component”，ctime字段必须在2019-12-01到2020-01-01这个范围之内，tag字段必须包含”Kafka”或者”Elasticsearch”。

全文搜索查询

match

match最常用，做的就是对应字段的全文索引。

{
  "match" : {
        "lauguage" : "Java"
    }
}

{
    "query": {
        "match" : {
            "message" : {
                "query" : "java python ruby"
            }
        }
    }
}

multi_match

multi_match和match差不多，但是可以指定多个字段搜索。

{
  "query": {
    "multi_match" : {
      "query":    "java python ruby", 
      "fields": [ "subject", "message" ] 
    }
  }
}

match_all

match_all可以查询到所有索引字段，没有查询条件下的默认使用match_all。

{
  "match_all" : {}
}

match_phrase

match_phrase和match有点相似，但是有2点很大区别：

1. 查询分词的单词必须要在文档相应字段分词中全部出现
2. 单词出现的顺序也必须一致

{
    "query": {
        "match_phrase" : {
            "message" : "java python ruby"
        }
    }
}

出现相对位置可以使用slop参数调整

{
  "query": {
      "match_phrase": {
          "message": {
              "query": "java python ruby",
              "slop": 2
          }
      }
  }
}

可以参考下面的查询示例，下面是测试数据：

如上图所示，是没有slop参数的查询结果。

如上图所示，是slop参数为2的查询结果。

如上图所示，是slop参数为3的查询结果。

我们可以看到，slop参数就是调整查询单词中能间隔slop-1个单词。

match_phrase_prefix

match_phrase_prefix和match_phrase差不多，但是运行前缀匹配

{
    "query": {
        "match_phrase_prefix" : {
            "message" : {
                "query" : "java python r"
            }
        }
    }
}

其他常用查询

出来我们上面介绍的bool查询、全文搜索查询以及涉及到的term、range等查询，我们还有一些其他常用的查询，下面我们就简单的介绍一下。

terms

前面我们已经有提到term查询，表示精确匹配，terms和term基本一样，但是terms允许设置多个值，只要有一个值精确匹配就算匹配成功。

{
  "query" : {
      "terms" : {
          "component" : ["kafka", "elasticsearch"],
          "boost" : 1.5
      }
  }
}

如上所示，表示只要component字段中精确匹配到kafka 或者 elasticsearch就算匹配成功。

boost影响文档相关性，大于1表示计算时增加文档相关性，小于1表示计算时减小文档相关性。

terms_set

terms_set查询是给定一个数组，如果文档中的对应字段包含至少指定个值在参数数组中就匹配。

听起来有点绕，没有关系，我们看一个示例，先创建一个user索引，然后添加2个文档如下。

PUT /user/_doc/1?refresh

{
    "name": "tim",
    "hobby": ["看书", "跑步"],
    "required_matches": 2
}

PUT /user/_doc/2?refresh

{
    "name": "allen",
    "hobby": ["看书", "冥想"],
    "required_matches": 2
}

下面我们就可以执行terms_set查询了。 GET /user/_search

{
    "query": {
        "terms_set": {
            "hobby.keyword": {
                "terms": ["看书", "游泳", "冥想"],
                "minimum_should_match_field": "required_matches"
            }
        }
    }
}

如上所示，查询中使用的是hobby.keyword，而不是hobby，是因为添加user映射的时候没有设置mapping，自动映射hobby为text类型，但是自动映射还使用了fields参数，所以我们可以使用hobby.keyword来搜索。

如果怕麻烦，可以直接设置一下mapping，把hobby设置为keyword类型。

上面的搜索会查询到name为allen的文档，如果我们把”冥想”换成”跑步”就会搜索到name为tim的文档。

感觉比较蛋疼的是最小匹配个数要在文档中设置，而不是直接在查询中设置值，在查询中使用的是引用文档中最小匹配的字段

exists

{
    "query": {
        "exists": {
            "field": "gid"
        }
    }
}

ids

{
    "query": {
        "ids" : {
            "values" : ["1", "3", "5", "7", "9"]
        }
    }
}

prefix

前缀匹配有时候非常有用，比如说我们要找老王：

{
  "query": {
      "prefix" : { "name" : "王" }
  }
}

wildcard

如果觉得prefix前缀查询还不能满足你的需求，那还可以考虑通配符查询。

{
  "query": {
      "wildcard": {
          "name": {
              "value": "王*五",
              "boost": 1.5
          }
      }
  }
}

wildcard支持2个通配符：

1. ?表示匹配一个字符
2. *匹配0到多个字符

boost的值可以影响相关性，小于1表示减小文档的相关性，大于1表示增加文档的相关性。

如果通配符还不满足需求，那还可以考虑regexp正则表达式查询

但是，强烈推荐线上环境只使用prefix，如果要希望影响评分相关性，那使用wildcard也不要以通配符开头。

constant_score

用时候我们只想过滤，就可以考虑constant_score查询：

{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "term": {
          "status": 1
        }
      }
    }
  }
}

等价于：

{
  "query": {
    "constant_score": {
      "filter": {
        "term": {
          "status": 1
        }
      }
    }
  }
}

文档

查询与过滤上下文

结构化查询

bool查询

match