ElasticSearch7.3学习Filter与Query对比、使用explain关键字分析语法

1、数据准备

首先创建book索引

PUT /book/ {   "settings": {     "number_of_shards": 1,     "number_of_replicas": 0   },   "mappings": {     "properties": {       "name": {         "type": "text",         "analyzer": "ik_max_word",         "search_analyzer": "ik_smart"       },       "description": {         "type": "text",         "analyzer": "ik_max_word",         "search_analyzer": "ik_smart"       },       "studymodel": {         "type": "keyword"       },       "price": {         "type": "double"       },       "timestamp": {         "type": "date",         "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"       },       "pic": {         "type": "text",         "index": false       }     }   } }

插入数据

PUT /book/_doc/1 {   "name": "Bootstrap开发",   "description": "Bootstrap是一个非常流行的开发框架。此开发框架可以帮助不擅长css页面开发的程序人员轻松的实现一个css，不受浏览器限制的精美界面css效果。",   "studymodel": "201002",   "price": 38.6,   "timestamp": "2019-08-25 19:11:35",   "pic": "group1/M00/00/00/wKhlQFs6RCeAY0pHAAJx5ZjNDEM428.jpg",   "tags": [     "bootstrap",     "dev"   ] }  PUT /book/_doc/2 {   "name": "java编程思想",   "description": "java语言是世界第一编程语言，在软件开发领域使用人数最多。",   "studymodel": "201001",   "price": 68.6,   "timestamp": "2019-08-25 19:11:35",   "pic": "group1/M00/00/00/wKhlQFs6RCeAY0pHAAJx5ZjNDEM428.jpg",   "tags": [     "java",     "dev"   ] }  PUT /book/_doc/3 {   "name": "spring开发基础",   "description": "spring 在java领域非常流行，java程序员都在用。",   "studymodel": "201001",   "price": 88.6,   "timestamp": "2019-08-24 19:11:35",   "pic": "group1/M00/00/00/wKhlQFs6RCeAY0pHAAJx5ZjNDEM428.jpg",   "tags": [     "spring",     "java"   ] }

2、Filter与Query示例

需求：用户查询description中有"java程序员"，并且价格大于80小于90的数据。

2.1 Query

首先采用Query来进行查询，首先查询description中有"java程序员"。

GET /book/_search {   "query": {     "bool": {       "must": [         {           "match": {             "description": "java程序员"           }         }       ]     }   } }

查询结果如下：

可以看到，查询出来两条数据，score分别是1.9、0.5。

然后查询description中有"java程序员"，并且价格大于80小于90的数据

GET /book/_search {   "query": {     "bool": {       "must": [         {           "match": {             "description": "java程序员"           }         },         {           "range": {             "price": {               "gte": 80,               "lte": 90             }           }         }       ]     }   } }

再次查看结果：

这次查询出来一条数据，score变为2.9。这一条数据在上一次的查询结果中的score为1.9。然后接着往下看使用Filter。

2.2 filter

还是相同的需求，首先查询description中有"java程序员"。

GET /book/_search {   "query": {     "bool": {       "must": [         {           "match": {             "description": "java程序员"           }         }       ]     }   } }

查询结果如下：

通过查询结果可以看到，查询的两条数据的score是1.9、0.5。

然后使用filter查询description中有"java程序员"，并且价格大于80小于90的数据

GET /book/_search {   "query": {     "bool": {       "must": [         {           "match": {             "description": "java程序员"           }         }       ],       "filter": {         "range": {           "price": {             "gte": 80,             "lte": 90           }         }       }     }   } }

查询结果如下：

可以看到，查询出来的数据与使用query查询结果一样，但是score依旧为1.9。

说明在使用query查询的过程中，影响到了相关度(score)的排序，在使用filter进行查询，并不会影响相关度(score)的计算。

2.3  filter与query对比

filter，仅仅只是按照搜索条件过滤出需要的数据而已，不计算任何相关度分数，对相关度没有任何影响。

query，会去计算每个document相对于搜索条件的相关度，并按照相关度进行排序。

应用场景：

一般来说，如果你是在进行搜索，需要将最匹配搜索条件的数据先返回，那么用query。如果你只是要根据一些条件筛选出一部分数据，不关注其排序，那么用filter。

2.4 filter与query性能

filter，不需要计算相关度分数，不需要按照相关度分数进行排序，同时还有内置的自动cache最常使用filter的数据。比如在范围查询，keyword字段查询中推荐使用filter来进行查询。

query，相反，要计算相关度分数，按照分数进行排序，而且无法cache结果。

在同等查询结果下，filter的性能一般是要优于query的。

3、explain分析语法

在实际的应用过程中，需要查询的逻辑一般比较复杂，那当语句冗长的时候，这时候显然不太可能通过直接执行语句来调试语法正确与否，这个时候就可以通过explain来验证语句的正确性。

验证错误语句：

GET /book/_validate/query?explain {   "query": {     "mach": {       "description": "java程序员"     }   } }

返回结果如下，错误信息为没有名叫mach的query。

{   "valid" : false,   "error" : "org.elasticsearch.common.ParsingException: no [query] registered for [mach]" }

再来看语句正确的情况下

GET /book/_validate/query?explain {   "query": {     "match": {       "description": "java程序员"     }   } }

返回，返回结果还包含对语句的解释：从description查询java关键词，从description查询程序员关键词。

{   "_shards" : {     "total" : 1,     "successful" : 1,     "failed" : 0   },   "valid" : true,   "explanations" : [     {       "index" : "book",       "valid" : true,       "explanation" : "description:java description:程序员"     }   ] }

应用场景：

一般用在那种特别复杂庞大的搜索下，比如你一下子写了上百行的搜索，这个时候可以先用validate api去验证一下，搜索是否合法。合法以后，explain就像mysql的执行计划，可以看到搜索的目标等信息。