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）。
它们两个的区别如下图：
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？
参考： http://www.cnblogs.com/xing901022/p/4975931.html
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
http://es.xiaoleilu.com/054_Query_DSL/75_Queries_with_filters.html
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" }}
}
}
}
更多参考： http://es.xiaoleilu.com/054_Query_DSL/75_Queries_with_filters.html
参考：
http://www.fanli7.net/a/bianchengyuyan/C__/20150526/501179.html
