极客ES11-Query与Filter实现多字段查询

Query与Filter实现多字段查询

Query和Filter

过滤和查询的区别

• 过滤不计算得分，查询计算得分
• 过滤可以使用缓存，查询不会使用缓冲
• 综上2点，过滤的性能好于查询的性能

Bool查询

当遇到多种条件组和时，我们需要用到bool查询，其中must和should属于Query Context，贡献得分，而must_not和filter属于Filter Context，不贡献得分。

注意：当Bool查询中不含有must时，此时的should查询必须至少匹配其中一条

Bool查询的语法

解决结构化查询中出现的Term是“包含”而不是“相等”的問題

算分影响

Bool嵌套

使用查询结构修改相关度

https://www.elastic.co/guide/cn/elasticsearch/guide/current/query-scoring.html

在以上查询语句中，red和brown是近义词，但是这个查询语句的逻辑是：
brown OR red OR quick OR dog
也因此， brown OR red OR quick 和 brown OR dog OR quick 得到的相关度是一样的，而这显然是不合理的，我们希望后者能有更高的相关度，因为red和brown是近义词。
因此我们将bool嵌套，使 brown OR red 和dog处于同一级别。嵌套后的Bool逻辑是：
quick OR dog OR (brown OR red)

使用Boost控制查询相关度

https://www.elastic.co/guide/cn/elasticsearch/guide/current/query-time-boosting.html

Not Quite Not

https://www.elastic.co/guide/cn/elasticsearch/guide/current/not-quite-not.html

• 插入数据

DELETE news
POST /news/_bulk
{ "index": { "_id": 1 }}
{ "content":"Apple Mac" }
{ "index": { "_id": 2 }}
{ "content":"Apple iPad" }
{ "index": { "_id": 3 }}
{ "content":"Apple employee like Apple Pie and Apple Juice" }

• 搜索只与苹果公司产品相关的结果

DELETE news
POST /news/_bulk
{ "index": { "_id": 1 }}
{ "content":"Apple Mac" }
{ "index": { "_id": 2 }}
{ "content":"Apple iPad" }
{ "index": { "_id": 3 }}
{ "content":"Apple employee like Apple Pie and Apple Juice" }

返回结果

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.16786805,
    "hits" : [
      {
        "_index" : "news",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.16786805,
        "_source" : {
          "content" : "Apple Mac"
        }
      },
      {
        "_index" : "news",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.16786805,
        "_source" : {
          "content" : "Apple iPad"
        }
      }
    ]
  }
}

• 但是我们并不想去除掉那些包含Apple但是不与苹果公司产品相关的结果，而只是想让他们的排名靠后，这时我们要使用到，boosting查询，

POST news/_search
{
  "query": {
    "boosting": {
      "positive": {
        "match": {
          "content": "apple"
        }
      },
      "negative": {
        "match": {
          "content": "pie"
        }
      },
      "negative_boost": 0.5
    }
  }
}

boosting查询会将那些除positive外同时匹配到negative的文档的权重乘以negative_boost(必须在0-1之间)，以此来降低这些文档的权重，但又不将至排除