如果我必须用一句话来描述 Elasticsearch，我会这样说：

当搜索遇到大规模分析时（近乎实时）

Elasticsearch 是目前最受欢迎的 10 大开源技术之一。公平地说，它包含许多本身并不独特的关键功能，但是，结合使用它可以成为最好的搜索引擎/分析平台。
更准确地说，Elasticsearch 之所以如此受欢迎，是因为结合了以下特性：

使用相关性评分进行搜索
全文搜索
分析（聚合）
无模式（shemaless 对数据模式没有限制）、NoSQL、面向文档
丰富的数据类型选择
水平可扩展
容错的

当我们使用 Elasticsearch时，我们很快意识到官方文档看起来更像是从应该称为文档的内容中 “挤压” 出来的，尽管官方的文档在很多方面都是很不错的。我们有时不得不到处搜索和使用 stackowerflowing。

在本文中，我将主要介绍查询/搜索 Elasticsearch 集群。有许多不同的方法可以实现或多或少相同的结果，因此，我将尝试解释每种方法的优缺点。
更重要的是，我将向你介绍两个重要的概念 —— 查询（query）和过滤（filter）上下文 —— 文档中没有很好地解释它们。我会给你一套规则，告诉你什么时候最好使用哪种方法。如果我希望您在阅读完本文后记住一件事，那就是：

你真的需要在查询时对文档进行评分吗？

Query 上下文与 filter 上下文

当我们谈论 Elasticsearch 时，总会有一个相关性分数。相关性分数是一个严格的正浮点数，表示每个文档满足搜索条件的程度。该分数是相对于分配的最高分数而言的，因此，分数越高，文档与搜索标准的相关性越好。

但是，过滤器（filter）和查询（query）是两个不同的概念，你在编写查询之前应该能够理解它们。一般来说，过滤器上下文是一个是/否选项，其中每个文档都与查询匹配或不匹配。一个很好的例子是 SQL WHERE 后跟一些条件。 SQL 查询总是返回与条件严格匹配的行。 SQL 查询无法返回不明确的结果。

过滤器会自动缓存，不会影响相关性得分。

另一方面，Elastisearch 查询（query）上下文向你显示每个文档与你的要求的匹配程度。为此，查询使用分析器来查找最佳匹配。经验法则是：

将过滤器用于：

是/否搜索
搜索精确值（数字、范围和关键字）

将查询用于：

模棱两可的结果（一些文档比其他文档更受关注）
全文搜索

除非你需要相关性分数或全文搜索，否则请始终尝试使用过滤器。过滤器 “更便宜”。

此外，Elasticsearch 会自动缓存过滤器的结果。

在第 1 部分和第 2 部分中，我将讨论查询（可以转换为过滤器）。请不要如下的将结构化与全文与查询与过滤器混淆 —— 这是两个不同的东西。

1）结构化查询

结构化查询也称为术语级（term-level）查询，是一组检查是否应选择文档的查询方法。因此，在许多情况下并不真正需要相关性分数 —— 文档要么匹配要么不匹配（尤其是数字）。

术语级查询仍然是查询，因此它们将返回分数。

术语查询（term query）

返回字段值与条件完全匹配的文档。术语查询在某种程度上是 SQL select * from table_name where column_name =...

术语查询直接进入倒排索引，这使得它很快。在处理文本数据时，最好只对 keyword 字段使用术语（term）。

GET /_search
{
    "query": {
        "term": {
            "<field_name>": {
                "value": "<your_value>"
            }
        }
    }
}

默认情况下，术语查询在查询上下文中运行，因此，它将计算分数。即使返回的所有文档的分数都相同，也会涉及额外的计算能力。

带过滤器的术语查询（term query）

如果我们想加速术语查询并将其缓存起来，那么它应该包含在一个 constant_score 过滤器中。还记得经验法则吗？如果你不关心相关性分数，请使用此方法。

GET /_search
{
    "query": {
        "constant_score" : {
            "filter" : {
                "term" : {"<field_name>" : "<your_value>"}
            }
        }
    }
}

现在，查询不计算任何相关性得分，因此速度更快。此外，它会自动缓存。

快速建议 —— 在 text 字段中使用 match 而不是 term。

请记住，术语查询直接指向倒排索引。 Term query 获取你提供的值并按原样搜索它，这就是为什么它非常适合查询未经任何转换而存储的 keyword 字段。

Terms query

正如你可能已经猜到的那样，术语查询允许你返回与至少一个确切术语匹配的文档。术语查询在某种程度上是 select * from table_name where column_name is in...

重要的是要了解 Elasticsearch 中的查询字段可能是一个列表，例如 { "name" : ["Odin", "Woden", "Wodan"] }。如果你执行包含以下名称之一的术语查询，那么这条记录将被匹配 —— 它不必匹配字段中的所有值，而只需匹配一个。

GET /_search
{
    "query" : {
        "terms" : {
            "name" : ["Frigg", "Odin", "Baldr"]
        }
    }
}

Terms set query

与术语查询相同，但这次你可以指定查询字段中应包含多少个确切术语。

你指定必须匹配的数量 —— 一个、两个、三个或全部。但是，这个数字是另一个数字字段。因此，每个文档都应包含此编号（特定于此特定文档）。关于这个个搜索，详细描述请参阅文章 “开始使用 Elasticsearch （2）” 中的描述。

Range query

返回查询字段值在定义范围内的文档。等效于 SQL select * from table_name where column_name is between...

范围查询有自己的语法：

gt 大于
gte 大于或等于
lt 小于
lte 小于或等于

字段值应 ≥ 4 且 ≤ 17 的示例：

GET _search
{
    "query": {
        "range" : {
            "<field_name>" : {
                "gte" : 4,
                "lte" : 17
            }
        }
    }
}

范围查询也适用于日期。

正则表达式、通配符和前缀查询

Regexp 查询返回字段与你的正则表达式匹配的文档。如果你从未使用过正则表达式，那么我强烈建议你至少了解一下它是什么以及何时可以应用它

Elasticsearch 的正则表达式是 Lucene 的正则表达式。它具有标准的保留字符和运算符。如果你已经使用过 Python 的 re 包，那么在这里使用它应该不是问题。唯一不同的是 Lucene 的引擎不支持 ^ 和 $ 等 anchor 操作符。你可以在官方文档中找到正则表达式的完整列表。

除了正则表达式查询之外，Elsticsearch 还有通配符和前缀查询。从逻辑上讲，这两个只是正则表达式的特例。不幸的是，我找不到关于这 3 个查询的性能的任何信息。

Exists query

由于 Elasticsearch 是无模式的（或没有严格的模式限制），当不同的文档具有不同的字段时，这是一种相当普遍的情况。因此，了解文档是否具有任何特定字段有很多用处。

Exists query 返回包含字段索引值的文档

GET /_search
{
    "query": {
        "exists": {
            "field": "<your_field_name>"
        }
    }
}

2）全文查询

全文查询适用于非结构化文本数据。全文查询利用分词器。因此，我将简要介绍一下 Elasticsearch 的分析器，以便我们更好地分析全文查询。Elasticsearch 的分词器管道每次将文本类型数据插入 Elasticsearch 索引时，都会对其进行分析，然后存储在倒排索引中。根据你配置分词器的方式将影响你的搜索功能，因为分词器也适用于全文搜索。

管道分词器由三个阶段组成：

总是有一个分词器和零个或多个字符和分词过滤器。

1）Character filter 按原样接收文本数据，然后它可能会在数据被 tokenizer 之前对数据进行预处理。 Character filter 用于：

替换匹配给定正则表达式的字符
替换匹配给定字符串的字符
净化 HTML 文本

2) Tokenizer 将 character filter（如果有）后收到的文本数据分解为 token。例如，whitespace tokenizer 只是通过空格来打断文本（它不是标准的）。因此，Wednesday is called after Woden。将拆分为 [Wednesday, is, called, after, Woden.]。有许多内置分词器可用于创建自定义分析器。

Standard analyzer 在删除标点符号后按空格分隔文本。对于绝大多数语言来说，它是最中性的选择。除了 tokenization之外，tokenizer 还执行以下操作：

跟踪 token 顺序，
注意每个单词的开始和结束
定义 token 的类型

3）Token filter 对 token 应用一些转换。你可以选择将许多不同的 token 过滤器添加到您的分析器中。一些最受欢迎的是：

lowercase 小写
stemmer 词干分析器（存在于多种语言中！）
删除重复项
转换为 ASCII 等价物
模式的解决方法
token 数量限制
token 的停止列表（从停止列表中删除令牌）

如果你对 analyzer 不是很熟的话，请阅读我之前的文章 “Elasticsearch: analyzer”。

现在，当我们知道分析器由什么组成时，我们可能会考虑如何处理我们的数据。然后，我们可以通过选择合适的组件来组成一个最适合我们案例的分析器。可以在每个字段的基础上指定分词器。

我们现在有足够的理论，让我们看看默认分词器是如何工作的。

Standard analyzer 是默认的。它有 0 个字符过滤器、标准标记器、小写和停止标记过滤器。你可以根据需要编写自定义分析器，但也有一些内置分词器。
一些最高效的开箱即用分析器是语言分词器，它们利用每种语言的细节来进行更高级的转换。因此，如果你事先知道数据的语言，我建议你从 standard analyzer 切换到其中一种数据语言。

全文查询将使用与索引数据时使用的分析器相同的分词器。更准确地说，你的查询文本将与搜索字段中的文本数据进行相同的转换，因此两者处于同一级别。

Match query

Match query 是查询文本字段的标准查询。我们可以将 match query 称为 term query 的等效项，但用于 text 类型字段（而在处理文本数据时，术语应仅用于 keyword 类型字段）。

GET /_search
{
  "query" : {
    "match" : {
      "<text_field>" {
        "query" : "<your_value>"
      }
    }
  }
}

传递到 query 参数（必填）的字符串，默认情况下，将由与应用于搜索字段的分析器相同的分词器进行处理。除非你使用分析器参数自己指定分词器。
当你指定要搜索的短语时，系统会对它进行分析，结果始终是一组 token。默认情况下，Elasticsearch 将在所有这些标记之间使用 OR 运算符。这意味着至少应该有一个匹配 —— 不过更多的匹配会得到更高的分数。你可以在运算符参数中将其切换为 AND。在这种情况下，必须在文档中找到所有 token 才能返回。

如果你想在 OR 和 AND 之间有一些东西，你可以指定 minimum_should_match 参数，它指定应该匹配的子句数。它可以指定为数字和百分比。

fuzziness 参数（可选）允许您省略拼写错误。 Levenshtein 距离用于计算。

如果你将匹配查询应用于 keyword 字段，那么它将执行与术语查询相同的操作。更有趣的是，如果将存储在倒排索引中的 token 的确切值传递给 term query，那么它将返回与 match query 完全相同的结果，但速度更快，因为它会直接进入倒排索引。

Multi-match query

Multi-match query 与 match 的作用相同，唯一的区别是它应用于多个字段。

GET /_search
{
  "query": {
    "multi_match" : {
      "query":    "<your_value>", 
      "fields": [ "<text_field1>", "<text_field2>" ] 
    }
  }
}