ES Filter Query 区别

在 Elasticsearch（ES） 中， Filter 和 Query 是两种常用的数据检索方式，它们的主要区别在于 是否计算相关性分数（Score） 以及 是否使用缓存 。以下是它们的详细区别和应用场景：

1. 核心区别

2. 详细说明

（1） Filter（过滤器）

• 特点 ：

  • 只判断文档是否匹配，不计算相关性分数。
  • 结果会被缓存，适合重复查询的场景。
  • 性能更高，因为不需要计算分数。

• 使用场景 ：

  • 精确匹配（如 Term 查询、Range 查询）。
  • 布尔条件判断（如 must 、 should 、 must_not ）。
  • 过滤不需要排序的数据。

• 示例 ：

  json

  复制

  {
    "query": {
      "bool": {
        "filter": [
          { "term": { "status": "active" } },
          { "range": { "age": { "gte": 18, "lte": 30 } } }
        ]
      }
    }
  }

（2） Query（查询）

• 特点 ：

  • 计算文档与查询的相关性分数（Score）。
  • 结果不会被缓存。
  • 适合全文检索和模糊匹配。

• 使用场景 ：

  • 全文检索（如 Match 查询）。
  • 需要排序的场景（基于分数）。
  • 模糊匹配（如 Fuzzy 查询）。

• 示例 ：

  json

  复制

  {
    "query": {
      "match": {
        "title": "elasticsearch"
      }
    }
  }

3. Filter 和 Query 的结合使用

在实际应用中，Filter 和 Query 通常会结合使用，以兼顾性能和相关性。例如：

• 使用 Filter 过滤掉不符合条件的文档。
• 使用 Query 对剩余文档计算相关性分数。

示例：

json

复制

{
  "query": {
    "bool": {
      "must": [
        { "match": { "title": "elasticsearch" } }  // Query
      ],
      "filter": [
        { "term": { "status": "active" } },       // Filter
        { "range": { "age": { "gte": 18 } } }     // Filter
      ]
    }
  }
}

• must ：用于 Query，计算相关性分数。
• filter ：用于 Filter，不计算分数，但会缓存结果。

4. 性能对比

• Filter ：

  • 性能更高，适合精确匹配。
  • 结果缓存可以显著提升重复查询的性能。

• Query ：

  • 性能较低，因为需要计算相关性分数。
  • 适合全文检索和排序场景。

5. 总结

• Filter ：

  • 适合精确匹配和过滤场景。
  • 不计算分数，性能更高，结果会被缓存。

• Query ：

  • 适合全文检索和排序场景。
  • 计算分数，性能较低，结果不会被缓存。

• 结合使用 ：

  • 在实际应用中，通常将 Filter 和 Query 结合使用，以兼顾性能和相关性。

通过合理使用 Filter 和 Query，可以显著提升 Elasticsearch 的查询性能和准确性。