ElasticSearch的Query和Filter区别
ElasticSearch的Query和Filter区别
这个其实在官网也有一定的介绍：https://www.elastic.co/guide/en/elasticsearch/reference/7.4/full-text-queries.html
相关性分数
默认情况下，Elasticsearch 按相关性分数对匹配的搜索结果进行排序，相关性分数衡量每个文档与查询的匹配程度。 相关性分数是一个正浮点数，在搜索 API 的 _score 元字段中返回。 _score 越高，文档越相关。虽然每种查询类型可以不同地计算相关性分数，但分数计算还取决于查询子句是在query 还是 filter中运行。
查询
在查询上下文中，查询子句回答“此文档与此查询子句匹配程度如何？”的问题。除了决定文档是否匹配外，查询子句还会在 _score 元字段中计算相关性分数。 只要将查询子句传递给查询参数，例如搜索 API 中的查询参数，查询上下文就会生效。
过滤
在过滤器上下文中，查询子句回答“此文档是否与此查询子句匹配？”的问题。答案是简单的 Yes 或 No —— 不计算分数。过滤上下文主要用于过滤结构化数据，例如 这个时间戳是否在 2015 年到 2016 年的范围内？ 状态字段是否设置为“已发布”？ Elasticsearch 会自动缓存常用的过滤器，以提高性能。 只要将查询子句传递给过滤器参数，例如 bool 查询中的 filter 或 must_not 参数、constant_score 查询中的过滤器参数或过滤器聚合，过滤器上下文就会生效。
GET /_search
{
"query": {
"bool": {
"must": [
{ "match": { "title": "Search" }},
{ "match": { "content": "Elasticsearch" }}
],
"filter": [
{ "term": { "status": "published" }},
{ "range": { "publish_date": { "gte": "2015-01-01" }}}
]
}
}
}
filter与query对比大解密
filter，仅仅只是按照搜索条件过滤出需要的数据而已，不计算任何相关度分数，对相关度没有任何影响
query，会去计算每个document相对于搜索条件的相关度，并按照相关度进行排序
一般来说，如果你是在进行搜索，需要将最匹配搜索条件的数据先返回，那么用query；如果你只是要根据一些条件筛选出一部分数据，不关注其排序，那么用filter除非是你的这些搜索条件，你希望越符合这些搜索条件的document越排在前面返回，那么这些搜索条件要放在query中；如果你不希望一些搜索条件来影响你的document排序，那么就放在filter中即可
filter与query性能
- filter，不需要计算相关度分数，不需要按照相关度分数进行排序，同时还有内置的自动cache最常使用filter的数据
- query，相反，要计算相关度分数，按照分数进行排序，而且无法cache结果
filter缓存的秘密
（1）在倒排索引中查找搜索串，获取document list
举例
| word | doc1 | doc2 | doc3 |
|---|---|---|---|
| 2017-01-01 | * | ||
| 2017-02-02 | * | * | |
| 2017-03-03 | * | * | * |
如果对2017-02-02进行过滤的话，可以在倒排索引中搜到doc2,doc3
（2）为每个在倒排索引中搜索到的结果，构建一个bitset
使用找到的doc list，构建一个bitset，就是一个二进制的数组，数组每个元素都是0或1，用来标识一个doc对一个filter条件是否匹配，如果匹配就是1，不匹配就是0，以上面的例子来说，这个bitset即为[0, 1, 1]。doc1：不匹配这个filter的，doc2和do3：是匹配这个filter的，通过这个简单的数据结构去实现复杂的功能，可以节省内存空间，提升性能
（3）遍历每个过滤条件对应的bitset，优先从最稀疏的开始搜索，查找满足所有条件的document
一次性其实可以在一个search请求中，发出多个filter条件，每个filter条件都会对应一个bitset遍历每个filter条件对应的bitset，先从最稀疏的开始遍历，如下
[0, 0, 0, 1, 0, 0]：比较稀疏 ，[0, 1, 0, 1, 0, 1]比较密集。先遍历比较稀疏的bitset，就可以先过滤掉尽可能多的数据，遍历所有的bitset，找到匹配所有filter条件的doc。
请求：filter，postDate=2017-01-01，userID=1
postDate: [0, 0, 1, 1, 0, 0]
userID: [0, 1, 0, 1, 0, 1]
遍历完两个bitset之后，找到的匹配所有条件的doc，只剩下doc4了,就可以将document作为结果返回给client了
（4）caching bitset，跟踪query，在最近256个query中超过一定次数的过滤条件，缓存其bitset。对于小segment（<1000，或<3%），不缓存bitset。
-
跟踪query，在最近256个query中超过一定次数的过滤条件，缓存其bitset。对于小segment（<1000，或<3%），不缓存bitset。使用缓存，可以不用重新扫描倒排索引，不用反复生成bitset，可以大幅度提升性能。为什么小的segment不进行缓存：segment数据量很小，此时哪怕是扫描也很快；segment会在后台自动合并，小segment很快就会跟其他小segment合并成大segment，此时就缓存也没有什么意义，segment很快就消失了。
-
filter大部分情况下来说，在query之前执行，先尽量过滤掉尽可能多的数据
- query：是会计算doc对搜索条件的relevance score，还会根据这个score去排序
- filter：只是简单过滤出想要的数据，不计算relevance score，也不排序
-
以后只要是有相同的filter条件的，会直接来使用这个过滤条件对应的cached bitset
-
filter比query的好处就在于会caching，实际上并不是一个filter返回的完整的doc list数据结果。而是filter bitset缓存起来。下次不用扫描倒排索引了。
（5）filter大部分情况下来说，在query之前执行，先尽量过滤掉尽可能多的数据
- query：是会计算doc对搜索条件的relevance score，还会根据这个score去排序
- filter：只是简单过滤出想要的数据，不计算relevance score，也不排序
（6）如果document有新增或修改，那么cached bitset会被自动更新
（7）以后只要是有相同的filter条件的，会直接来使用这个过滤条件对应的cached bitset
