Elasticsearch支持很多查询方式，其中一种就是DSL，它是把请求写在JSON里面，然后进行相关的查询。 

Query DSL 与 Filter DSL

DSL查询语言中存在两种：查询DSL（query DSL）和过滤DSL（filter DSL）。


query DSL

在查询上下文中，查询会回答这个问题——“这个文档匹不匹配这个查询，它的相关度高么？”

如何验证匹配很好理解，如何计算相关度呢？ES中索引的数据都会存储一个_score分值，分值越高就代表越匹配。另外关于某个搜索的分值计算还是很复杂的，因此也需要一定的时间。

查询上下文 是在 使用query进行查询时的执行环境，比如使用search的时候。

一些query的场景：


  • 与full text search的匹配度最高
  • 包含run单词，如果包含这些单词：runs、running、jog、sprint，也被视为包含run单词
  • 包含quick、brown、fox。这些词越接近，这份文档的相关性就越高


filter DSL

在过滤器上下文中，查询会回答这个问题——“这个文档匹不匹配？”

答案很简单，是或者不是。它不会去计算任何分值，也不会关心返回的排序问题，因此效率会高一点。

过滤上下文 是在使用filter参数时候的执行环境，比如在bool查询中使用Must_not或者filter

另外，经常使用过滤器，ES会自动的缓存过滤器的内容，这对于查询来说，会提高很多性能。

一些过滤的情况：


  • 创建日期是否在2013-2014年间？
  • status字段是否为published？
  • lat_lon字段是否在某个坐标的10公里范围内？



下图的查询就是一个组合查询， 既有 filter 也有 query：



上面文章提供了一个测试例子。


  • query语句查询结果,第一次查询用了300ms,第二次用了280ms.
  • filter查询出来的结果,第一次查询时间是280ms,第二次130ms。


具体如何写 查询和 过滤并存的请看下面这篇文章：

查询与过滤条件的合并 

​​​​


比如说我们有这样一条查询语句，获取右键内容中带“​​business opportunity​​”  的：

{ 

    "match": { 

        "email": "business opportunity" 

    } 

}

然后我们想要让这条语句加入 term 过滤，只在收信箱中匹配邮件：

{ 

    "term": { 

        "folder": "inbox" 

    } 

}

search API中只能包含 query 语句，所以我们需要用 filtered 来同时包含 "query" 和 "filter" 子句：

{ 

    "filtered": { 

        "query":  { "match": { "email": "business opportunity" }}, 

        "filter": { "term":  { "folder": "inbox" }} 

    } 

}

我们在外层再加入 query 的上下文关系： 

GET /_search 

{ 

    "query": { 

        "filtered": { 

            "query":  { "match": { "email": "business opportunity" }}, 

            "filter": { "term": { "folder": "inbox" }} 

        } 

    } 

}