6.elasticsearch查询与过滤上下文(query context与filter contenxt)以及term术语查询

【README】

1.本文总结自：

Query and filter context | Elasticsearch Guide [7.2] | Elastichttps://www.elastic.co/guide/en/elasticsearch/reference/7.2/query-filter-context.html2.文档相关性分数是否被计算，取决于查询子句是在查询上下文，还是在 过滤器上下文；

• 过滤器上下文（filter context）不计算分数 ；

---

【1】相关性分数

默认情况下，elasticsearch根据相关性分数对匹配结果排序，该分数衡量了一个文档对查询条件的匹配程度；

• 即使每一种查询根据不同方式计算出相关性分数，但计算分数与否取决于 查询子句是在 查询（query）还是在 过滤器（filter）的上下文中运行；
  • 查询上下文要计算分数；
  • 过滤器上下文不计算分数；

【1.1】查询上下文（query context）

在查询上下文中，查询子句回答了这个问题，即这个文档与查询子句的匹配程度如何？；

• 除了决定文档是否匹配外，查询子句还计算了 _score元字段的相关性分数 ；
• 只要把查询子句传递给查询参数（如搜索api中的查询参数），查询上下文就会生效；

---

【1.2】过滤器上下文（filter context）

1）在过滤器上下文中， 查询子句回答了这个问题，即这个文档是否匹配查询子句？ 回答是简单的yes 或者 no；不会计算分数；

2）过滤器上下文总是用于过滤结构化数据，如：

• 是否这个时间戳在 2015和2016之间？
• 是否 status字段设置为 published？

3）频繁使用的过滤器会被自动化缓存，以加速查询性能；

4）只要把查询子句传递给 filter 的参数，过滤器就会生效；

• 如 bool查询中的 filter 或 must_not 参数；
• constant_score 查询中的 filter参数或filter聚合；

---

【2】查询与过滤器上下文例子

下面的例子是 查询api中 查询和过滤器上下文使用了查询子句。

这个查询会匹配哪些满足以下条件的文档：

• address 包含单词 Holmes；
• employer 字段包含单词  Pyrami；
• gender 字段包含 精确单词 M（精确的意思是 等于）；
• age 字段包含大于28的文档；

post localhost:9200/bank/_search 

{
    "query":{
        "bool":{
            "must":[
                {"match":{"address":"Holmes"}}
                ,{"match":{"employer":"Pyrami"}}
            ]
           , "filter":[
                 {
                     "range":{"age":{"gte":28}}
                 }
                 , {
                     "term":{"gender.keyword":"M"}
                 }
            ]
        }
    }
}

// 查询结果 
{
    "took": 8,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 1,
            "relation": "eq"
        },
        "max_score": 13.007463,
        "hits": [
            {
                "_index": "bank",
                "_type": "account",
                "_id": "1",
                "_score": 13.007463,
                "_source": {
                    "account_number": 1,
                    "balance": 39225,
                    "firstname": "Amber",
                    "lastname": "Duke",
                    "age": 32,
                    "gender": "M",
                    "address": "880 Holmes Lane",
                    "employer": "Pyrami",
                    "email": "amberduke@pyrami.com",
                    "city": "Brogan",
                    "state": "IL"
                }
            }
        ]
    }
} 

【查询dsl解说】

• query参数：表示查询上下文；
• bool 和 两个match子句用于查询上下文，这意味着它们对每个文档的匹配程度进行评分；
• filter参数：表示过滤上下文；
• term和 range子句用于过滤上下文。它们过滤掉不匹配的文档，但不影响匹配文档的分数；

---

【3】term术语查询

1）参考文档：  Term query | Elasticsearch Guide [7.2] | Elastic

2）上述例子中，term术语查询子句如下：

"term":{"gender.keyword":"M"}

term查询中为什么要查询gender.keyword 等于M的文档，而不是查询 gender 等于M的文档呢？

原因如下：因为 gender是 text类型字段，elasticsearch在保存文档时，会分析及分词，这样就会修改字段的原生值。如，标准分词器会把 text类型字段的值 做如下修改：

• step1）移除大部分标点符号；
• step2）把原生内容切分为单个单词，称为token（标记）；
• step3）把token标记转为小写；

所以经过上述转换后， id等于1的文档的gender原生值是M，文档在保存时，elasticsearch会将其修改为m；

又 term精确匹配 M ，所以 1号文档显然不满足 term精确匹配的条件；

3）那如何使得 term精确匹配起作用呢（在不使用keyword的情况下）？

显然 term精确匹配这样写即可。gender匹配m，而不是M；

"term":{"gender":"m"}

【小结】term术语查询

• 对于 text类型的字段，不建议使用 term做精确匹配查询，而建议使用 match 全文检索；
• 对于 keyword 类型的字段，建议使用 term做精确匹配查询；

【区别】term精确匹配与match全文检索的区别         

• term精确匹配：查询前，不会对查询条件的值进行分词，直接进行查询；而text类型字段的值在文档被存储时就已经分词了，text字段的原生值被切分为多个独立的单词；
• match全文检索：查询前，会对查询条件的值进行分词，然后再进行查询；