bool查詢簡介
Elasticsearch(下面簡稱ES)中的bool查詢在業務中使用也是比較多的。在一些非實時的分頁查詢，導出的場景，我們經常使用bool查詢組合各種查詢條件。
Bool查詢包括四種子句，
- must
- filter
- should
- must_not
我這裏只介紹下must和filter兩種子句，因爲是我們今天要講的重點。其它的可以自行查詢官方文檔。
- must， 返回的文檔必須滿足must子句的條件，並且參與計算分值
- filter， 返回的文檔必須滿足filter子句的條件。但是跟Must不一樣的是，不會計算分值， 並且可以使用緩存
從上面的描述來看，你應該已經知道，如果只看查詢的結果，must和filter是一樣的。區別是場景不一樣。如果結果需要算分就使用must，否則可以考慮使用filter。
光說比較抽象，看個例子，下面兩個語句，查詢的結果是一樣的。
使用filter過濾時間範圍，
GET kibana_sample_data_ecommerce/_search
{
"size": 1000,
"query": {
"bool": {
"must": [
{"term": {
"currency": "EUR"
}}
],
"filter": {
"range": {
"order_date": {
"gte": "2020-01-25T23:45:36.000+00:00",
"lte": "2020-02-01T23:45:36.000+00:00"
}
}
}
}
}
}
使用must過濾時間範圍，
GET kibana_sample_data_ecommerce/_search
{
"size": 1000,
"query": {
"bool": {
"must": [
{"term": {
"currency": "EUR"
}},
{"range": {
"order_date": {
"gte": "2020-01-25T23:45:36.000+00:00",
"lte": "2020-02-01T23:45:36.000+00:00"
}
}}
]
}
}
}
查詢的結果都是，
{
"took" : 25,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1087,
"relation" : "eq"
},
...
filter比較高效的原理
上一節你已經知道了must和filter的基本用法和區別。簡單來講，如果你的業務場景不需要算分，使用filter可以真的讓你的查詢效率飛起來。
爲了說明filter查詢高效的原因，我們需要引入ES的一個概念 query context和 filter context。
query context
query context關注的是，文檔到底有多匹配查詢的條件，這個匹配的程度是由相關性分數決定的，分數越高自然就越匹配。所以這種查詢除了關注文檔是否滿足查詢條件，還需要額外的計算相關性分數.
filter context
filter context關注的是，文檔是否匹配查詢條件，結果只有兩個，是和否。沒有其它額外的計算。它常用的一個場景就是過濾時間範圍。
並且filter context會自動被ES緩存結果，效率進一步提高。
對於bool查詢，must使用的就是query context，而filter使用的就是filter context。
我們可以通過一個示例驗證下。繼續使用第一節的例子，我們通過kibana自帶的search profiler來看看ES的查詢的詳細過程。
使用must查詢的執行過程是這樣的：
可以明顯看到，此次查詢計算了相關性分數，而且score的部分佔據了查詢時間的10分之一左右。
filter的查詢我就不截圖了，區別就是score這部分是0，也就是不計算相關性分數。
除了是否計算相關性算分的差別，經常使用的過濾器將被Elasticsearch自動緩存，以提高性能。
我自己曾經在一個項目中，對一個業務查詢場景做了這種優化，當時線上的索引文檔數量大概是3000萬左右，改成filter之後，查詢的速度幾乎快了一倍。
我截了幾張圖，你來感受下。
可以看到時間整個縮短了一半。
總結
我們應該根據自己的實際業務場景選擇合適的查詢語句，在某些不需要相關性算分的查詢場景，儘量使用filter context可以讓你的查詢更加高效。