查询和过滤

评分查询：

在Es查询中，Must、Mustnot、Should等查询，在查询过程中，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）。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。

（注：在自定义排序下，并且没有通过script去做_Score的操作，查询时不会计算_score值）

过滤查询：

在Es查询中，Filter，在查询过程中，只需要去判断文档是否匹配，无需计算相关度评分，因此过滤的查询，会比评分查询快的多，并且结果可能会被缓存到内存中以便快速读取。(注：缓存不是绝对的，由近期查询命中次数以及总文档数决定。具体关于缓存，本章不做细写)

如何选择过滤查询还是评分查询：

通常，在做全文检索，并且最后排序通过_score排序时，才选择评分查询，除此以外的情况都使用过滤。因为在一般情况下，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。（注：不参与评分的查询条件都放在filter）。

最后附上两种写过滤查询的方法（两种方式在性能上是完全相同的）：

1.Bool中的Filter。（实际开发中，应用的更多）

{
    "bool": {
        "must":     { "match": { "title": "how to make millions" }},
        "must_not": { "match": { "tag":   "spam" }},
        "should": [
            { "match": { "tag": "starred" }}
        ],
        "filter": {
          "range": { "date": { "gte": "2014-01-01" }} 
        }
    }
}

2.constant_score 中的Filter（适合用于你只需要执行一个 filter 而没有其它查询）

{
    "constant_score":   {
        "filter": {
            "term": { "category": "ebooks" } 
        }
    }
}