共计 3158 个字符，预计需要花费 8 分钟才能阅读完成。
我的 Elasticsearch 系列文章，逐渐更新中，欢迎关注
0A. 关于 Elasticsearch 及实例应用
00.Solr 与 ElasticSearch 对比
01.ElasticSearch 能做什么？
02.Elastic Stack 功能介绍
03. 如何安装与设置 Elasticsearch API
04. 如果通过 elasticsearch 的 head 插件建立索引_CRUD 操作
05.Elasticsearch 多个实例和 head plugin 使用介绍
06. 当 Elasticsearch 进行文档索引时，它是如何工作的?
07.Elasticsearch 中的映射方式—简洁版教程
08.Elasticsearch 中的分析和分析器应用方式
09.Elasticsearch 中构建自定义分析器
10.Kibana 科普 - 作为 Elasticsearhc 开发工具
另外 Elasticsearch 入门，我强烈推荐 ElasticSearch 搭建小白指南给你，非常想尽的入门指南手册。
在上一个博客中，我们了解了如何将 Kibana 用作开发工具以及如何使用 Kibana 加载示例数据。
从这个博客中，我们将研究 Elasticsearch 的查询 DSL，它非常强大，对于任何 Elasticsearch 用户来说都是必不可少的知识领域。
Elasticsearch 查询类型
Elasticsearch 中的查询可以大致分为两类，
1. 叶子查询
叶子查询在某些字段中查找特定值。这些查询可以独立使用。其中一些查询包括匹配，条件，范围查询。
2. 复合查询
复合查询使用叶 / 复合查询的组合。基本上，它们将多个查询组合在一起以实现其目标结果。
下图大致显示了这两个查询的大致分类：
如上图所示，Leaf 和化合物分类中仍然有许多类别。在接下来的博客中，我们将更详细地访问上图中的大多数查询 / 查询类型。
基本查询样本
现在，让我们熟悉叶子的 2 个基本查询和复合查询类型中的一个查询以开始操作。
1. 简单的“匹配”查询
假设我们考虑建立索引的文件在以前的博客，让我们尝试在球场上“FIRST_NAME”为搜索关键词“丹尼”的简单匹配查询。该查询将如下所示：
POST employees/_search
{“query”: {“match”: {“country”:“China”}
}
}上面的查询将返回给我们所有国家为中国的文件
2. 范围查询
现在让我们触发另一个查询，这个查询也是一个叶子查询。该查询将向我们返回所有薪水大于或等于 500,000 的员工。可以使用如下范围查询来实现：
POST/ _
{“query”：{“range”：{“salary”：{“gte”：500000}
}
}
}3. 布尔查询
现在来了有趣的部分。我们如何比较以上查询？也就是说，我需要所有来自中国但收入超过 50 万的员工。
这需要上述两个叶查询的组合。现在，Elasticsearch 提供了使用 bool 查询组合这些查询的工具。让我们讨论布尔查询的一般结构，然后回到问题所在。
布尔查询的一般结构：
POST _search
{“query”：{“bool”：{“must”：[...]，“filter”：[...]，“must_not”：[...]，“should”：[..。]
}
}
}must：子句（查询）必须出现在匹配的文档中，并将有助于得分。
filter：子句（查询）必须出现在匹配的文档中。但是与查询分数不同的是，忽略该分数。
应该：子句（查询）应出现在匹配的文档中。
must_not：子句（查询）不得出现在匹配的文档中。
现在回到我们的问题，我们的 bool 查询旨在重整所有来自中国的雇员并赚取超过 500,000 的工资，如下所示：
POST employee / _search
{“query”：{“bool”：{“must”：[
{“match”：{“country”：“China”}
}，{“range”：{“salary”：{“gte”：500000}
}
}
]
}
}
}现在，让我们考虑是否要从列表中筛选出所有男性雇员。我们应该做什么？。只需在上面的查询中添加条件性别为“Male”的 must_not 部分即可，如下所示：
POST employee / _search
{“query”：{“bool”：{“must”：[
{“match”：{“country”：“China”}
}，{“range”：{“salary”：{“gte”：500000}
}
}
]，“must_not”：[
{“match”：{“gender”：“Male”}
}
]
}
}
}查询上下文和过滤器上下文
默认情况下，Elasticsearch 返回搜索结果时，会根据它们的相关性得分对它们进行排序，这表明文档与查询的匹配程度。计算该相关性分数，并将其与每个结果一起返回到元数据的_score 参数中。
默认情况下，这是一个正浮点数。
对于不同类型的查询，_score 计算技术可能有所不同。也就是说，“匹配”查询的得分计算可能与“跨度”查询的得分计算不同。
但最重要的是，分数计算取决于查询子句运行的上下文。也就是说，查询子句可以在“查询”上下文或“过滤器”上下文中运行。
查询上下文
在查询上下文中执行子句时，它将查找“文档与查询的匹配程度”。比赛越多，得分越高。
如下面的屏幕截图所示：
在上面的示例中，我在“标题”字段中搜索了“导演”。该查询返回了一些结果，查找结果 1，标题与查询子句（即关键字“Director”和“of”）完全匹配。因此，第一份文档的分数更高，为 7.363
与第二个文档中一样，查询子句中只有一个关键词匹配（第二个文档中只有“Director”已经匹配），因此比第一个文档的得分少（5.305）。
因此，与第二个文档相比，第一个文档的匹配度更高，这很明显地反映在两个文档的_score 元数据中。
当在查询上下文中给出查询子句时，就会发生这种情况。
筛选条件
当在过滤器上下文中给出查询子句时，它仅查看文档是否包含 not 子句。这实际上是对 / 错的返回。假设我们在过滤器上下文中查询数据，通过询问文档字段性别是否匹配“Male”，我们将只获得匹配的文档，而没有分数。
与查询上下文不同，筛选器上下文不使用时间来计算分数，因此筛选器上下文返回更快的结果。
下图显示了涉及按性别过滤的过滤器上下文示例，如下图所示：
在上面的示例中，您可以看到在过滤器上下文中应用时，结果文档的分数返回 0。
重新访问布尔查询。
考虑到上述情况，是时候重新讨论布尔查询了。
在布尔查询中，必须和应节将在查询上下文中执行，这意味着必须节中的子句将计算分数。
bool 查询中的 must_not 和 should 部分在哪里执行过滤条件中的查询子句，并且不会影响评分。
为了演示，让我们首先尝试在 must 节中使用相同的查询子句集，然后在 must 节中应用一个子句，然后在过滤器节中应用一个子句，然后查看分数如何变化。
案例 1：“必须”部分中的两个子句
如您所见，在上面的查询中，两个子句都处于相同的必须条件中，并且第一个结果的文档返回的分数为 2.4333658（在右侧面板中）
情况 2：一个子句移到过滤器部分
让我们如下移动 bool 查询中的 filter 子句中的 gender 子句，然后运行查询。
现在，在右侧面板中，看分数，你可以看到，得分已经下降到 1.7261622，这意味着只有在 clausein 必须的部分被计算为得分，并在该条款过滤器部分不用于评分。
为了确认这一点，我们只能使用 must 节子句运行上面的查询，并查看它是否返回相同的分数。
正如您所预测的那样，即使从查询中删除了 filter 子句，您也可以从上面的图片中看到分数保持不变。
结论
在此博客中，我们刚刚熟悉了 Elasticsearch 查询的分类，查询的上下文以及一些最基本的查询。
在下一个病房博客上，我们将详细探讨每种查询类型，并提供更多示例和数据集。
