elasticsearch-查询基础篇 elasticsearch的查询有两部分组成：query and filter。 两者的主要区别在于：filter是不计算相关性的，同时可以cache。因此，filter速度要快于query。 先记录一下es提供的各种query。 以下内容只为当做读书笔记，更多详细细节请参见http://www.elasticsearch.org/guide/ 第一部分：query 在需要full-text-search和需要计算相关性的情况下，用query。而filter满足不了需求。 （1）match query and multi-match query //and match-all query and minimum should match query match queries没有“query parsing”的过程，field不支持通配符，前缀等高级特性，只是参照指定的文本进行analysis，执行query，因此失败几率极小，适合search-box。 analyzed类型的query，故可指定analyzer operator可指定or/and zero-terms-query可指定none/all cutoff-frequency可指定absolute值或者relative值 match-phase query可指定slot值，参见后续的search-in-depth match-phase-prefix query可指定max_expansion （2）multi-match query 分别执行为单个field的match的查询。因此最终_score值的计算规则各异。 fields可指定执行需要查询的字段，field可以支持通配符等高级特性（match query是不支持的），field可支持（^）指定各个field的boost权重 types可指定以下值，区分不同的查询行为： best _fields：_score决定于得分最高的match-clause。field-centric most_fields：所有match-clause都会考虑在内。field-centric cross-fields：把fileds当做一个big-fields。term-centric phase and phase-prefix：每个field执行相应的query，combine the score 以上都有具体的应用场景和详细的计算规则，具体请参见后续的search-in-depth。 （3）bool query 一种复合查询，把其余类型的查询包裹进来。支持以下三种逻辑关系。 must： AND must_not：NOT should：OR （4）boosting query 一种复合查询，分为positive子查询和negitive子查询，两者的查询结构都会返回。 positive子查询的score保持不变，negetive子查询的值将会根据negative_boost的值做相应程度的降低。 （5）common term query 一种略高级的查询，充分考虑了stop-word的低优先级，提高了查询精确性。 将terms分为了两种：more-importent（low-frequency） and less important（high-frequency）。less-important比如stop-words，eg：the and。 分组标准由cutoff_frequence决定。两组query构成bool query。must应用于low_frequence，should应用high_frequence。 每一组内部都可以指定operator和mini_should_match。 如果group后只有一组，则默认退化为单组的子查询。 query执行中首先match到more-import这一组的doc，然后在这个基础上去match less-import，并且计算只计算match到的score。保证了效率，也充分考虑了relevance。 （6）constant score query 不计算相关性的query。沿用index过程中指定的score,。 （7）dismax query 对子查询的结果做union，score沿用子查询score的最大值。这种查询广泛应用于muti-field的查询。具体可以参见后续更新search-in-depth （8）filtered query combine another query with any fillter。 如果不指定query，默认为match_all。当应用多个fitler的时候，可以指定strategy属性，expert-level。 （9）fuzzy query and fuzzy like this query and fuzzy like this field query fuzzy query ：主要根据fuzziniess和prefix_length进行匹配distance查询。根据type不同distance计算不一样。 numeric类型的distance类似于区间，string类型则依据Levenshtein distance，即从一个stringA变换到另一个stringB，需要变换的最小字母数。 如果指定为AUTO，则根据term的length有以下规则： 0-1：完全一致 1-4：1 >4：2 推荐指定prefix_length，表明这个范围的字符需要精准匹配，如果不指定prefix_lengh和fuzziniess参数，该查询负担较重。 （10）function score query 定义function去改变doc的score （11）geoshape query 基于地理位置的查询 （12）has child query and has parent query and top children query 默认跟filter一样，query是包裹了一个constant_score的filter。也有相关score的支持。 has_child：匹配child字段，返回匹配到的对应的parent的结果。 has_parent：匹配parent字段，返回匹配到对应child的结果。 top_children query：has_child query的一种，也是查询child字段，不过增加可控制参数，通过factor，incremental_factor以及query的size来确定子查询的次数，直到满足 size为止，因此，可能需要多轮迭代子查询，所以total_hits有可能是不准确的。 （13）ids query 查询指定id。 （14）indices query 在多个索引之中查询，允许提供一个indics参数指定将要查询的索引及相关的查询，同时指定no_match_query在indecs之外的索引中查询，返回结果。 （15）more like this and more like this field query 根据指定的like_text，经过analysis生成若干个基于term的should查询合并成一个bool查询。 min_term_freq/max_term_freq/max_term_num：限制interesting term。 percentage_terms_to_match：限制should查询应该满足的term比例。 more like this query 可指定多个field字段，more like this field query 则在一个field上查询。 （16）nested query 内嵌类型的查询，指定完整的path。 （17）prefix query 前缀查询。 （18）query string query and simple query string query 基于lucence查询语法的查询，指定字段/term/boost等。 simple query string query 跟 query string类似，这是会自动放弃invalid的部分，不会抛出异常。 默认的field是_all。 （19）range query and regrex query and wildcard query range query：区间查询，日期/string/num。 regrex query：正则查询。 wildcard query：通配符查询。 （20）span-*query （21）term query and terms query 基于term的查询。 （22）template query 注册一个查询模板，指定模板查询。 -------------------------- 后续计划更新： （1）一些特殊查询的比较。比如fuzzy 跟 more_like等。 （2）search-in-depth