ElasticSearch学习笔记（五）深入搜索

忘是亡心i 2022-10-05 10:57 238阅读 0赞

## 一、查询与过滤 ##

**1、过滤**：当使用于 过滤情况 时，查询被设置成一个 “不评分”或者“过滤”查询。 即，这个查询只是简单的问一个问题：“这篇文档是否匹配？”。回答也是非常的简单，yes 或者 no ，二者必居其一。

*  created 时间是否在 2013 与 2014 这个区间？
 *  status 字段是否包含 published 这个单词？
 *  lat\_lon 字段表示的位置是否在
 *  List item

指定点的 10km 范围内？

**2、查询：** 当使用于 查询情况 时，查询就变成了一个“评分”的查询。 和不评分的查询类似，也要去判断这个文档是否匹配，同时它还需要判断这个文档匹配的有 多好（匹配程度如何）。

*  查找与 full text search 这个词语最佳匹配的文档
 *  包含 run 这个词，也能匹配runs 、 running 、 jog 或者 sprint
 *  包含 quick 、 brown 和 fox 这几个词 — 词之间离的越近，文档相关性越高
 *  标有 lucene 、 search 或者 java 标签 — 标签越多，相关性越高

> 一个评分查询计算每一个文档与此查询的 相关程度，同时将这个相关程度分配给表示相关性的字段\_score，并且按照相关性对匹配到的文档进行排序。这种相关性的概念是非常适合全文搜索的情况，因为全文搜索几乎没有完全 \`\`正确’’ 的答案。  
> 一般来讲，我们用 filter 这个词表示不评分、只过滤情况下的查询。即过滤查询。相似的，如果单独地不加任何修饰词地使用query 这个词，我们指的是评分查询。

**3、查询和过滤的区别：**

*  过滤查询（Filtering queries）只是简单的检查包含或者排除，这就使得计算起来非常快。考虑到至少有一个过滤查询（filtering query）的结果是 “稀少的”（很少匹配的文档），并且经常使用不评分查询（non-scoring queries），结果会被**缓存**到内存中以便快速读取，所以有各种各样的手段来优化查询结果。
 *  相反，评分查询（scoring queries）不仅仅要找出匹配的文档，还要计算每个匹配文档的相关性，计算相关性使得它们比不评分查询费力的多。同时，查询结果并不缓存。
 *  由于倒排索引（inverted index），一个简单的评分查询在匹配少量文档时可能与一个涵盖百万文档的filter表现的一样好，甚至会更好。但是在一般情况下，一个filter会比一个评分的query性能更优异，并且每次都表现的很稳定。
 *  **过滤（filtering）的目标是减少那些需要通过评分查询（scoring queries）进行检查的文档。**
 *  通常的规则是，使用查询（query）语句来进行 全文 搜索或者其它任何需要影响 相关性得分的搜索。除此以外的情况都使用过滤（filters)。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk4MTMxNQ_size_16_color_FFFFFF_t_70]

## 一、结构化搜索 ##

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk4MTMxNQ_size_16_color_FFFFFF_t_70]: /images/20221005/c1bb79f614164d92a2695d537d8e17d7.png