05.ElasticSearch查询之FilterQuery

比眉伴天荒 2023-01-17 11:52 126阅读 0赞

### ElasticSearch查询之FilterQuery ###

*   *  过滤查询（FilterQuery）
     *   *  概念
         *  语法
         *  常见的过滤类型
         *   *  1.term filter
             *  2.terms filter
             *  3.range filter
             *  4.exists filter
             *  5.ids filter

## 过滤查询（FilterQuery） ##

### 概念 ###

准确来说ES中的查询操作分为2种: `查询(query)`和`过滤(filter)`。`查询即是之前提到的query查询，它 (查询)默认会计算每个返回文档的得分，然后根据得分排序`。`而过滤(filter)只会筛选出符合的文档，并不计算 得分，且它可以缓存文档 。所以，单从性能考虑，过滤比查询更快`。

换句话说，过滤适合在大范围筛选数据，而查询则适合精确匹配数据。一般应用时， 应先使用过滤操作过滤数据， 然后使用查询匹配数据。

![在这里插入图片描述][20210429100257402.png]

### 语法 ###

GET /christy/user/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { "match_all": { }}
          ],
          "filter": { 
            "range": { 
              "age": { 
                "gte": 20
              }
            }
          }
        }
      }
    }

> **NOTE: 在执行filter和query时,先执行filter在执行query**
> 
> **NOTE:Elasticsearch会自动缓存经常使用的过滤器，以加快性能。**

### 常见的过滤类型 ###

#### 1.term filter ####

GET /christy/user/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "term": { 
                "name": { 
                  "value": "小布什"
                }
              }
            }
          ],
          "filter": { 
            "term": { 
              "introduce": "哈士奇"
            }
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70]

我们的ES里面有一个叫**布什的普拉多**和一个叫**哈士奇的小布什**，我们在用term的过滤查询的时候现将`introduce`里面有**哈士奇**的记录过滤出来，然后查找名字叫做小布什的，那么只能查到这只二哈

#### 2.terms filter ####

顾名思义就是可以根据过个关键词进行过滤，语法应该是下面这样

GET /christy/user/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match_all": { }
            }
          ],
          "filter": { 
            "terms": { 
              "introduce": [
                "哈士奇",
                "普拉多"
              ]
            }
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 1]

然后我们再修改上面的`match_all`为`term`，像下面这样

GET /christy/user/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "term": { 
                "address": { 
                  "value": "夏威夷"
                }
              }
            }
          ],
          "filter": { 
            "terms": { 
              "introduce": [
                "哈士奇",
                "普拉多"
              ]
            }
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 2]

这样一来符合条件的就只有哈士奇了

#### 3.range filter ####

这个在上面讲语法的时候提到过，比如查询年龄大于22的用户

GET /christy/user/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { "match_all": { }}
          ],
          "filter": { 
            "range": { 
              "age": { 
                "gte": 22
              }
            }
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 3]

#### 4.exists filter ####

**过滤存在指定字段,获取字段不为空的索引记录使用**。什么意思呢？我们`/christy/user`中包含**name、age、bir、introduce、address**五个字段，如果现在我们存入一条数据不包含**address**，是可以存进去的，像下面这样

PUT /christy/user/_bulk
      { "index":{ }}
      { "name":"特朗普","age":21,"bir":"2000-11-10","introduce":"没有人比我更了解新冠"}

执行后确实能插入到ES，下图可以看到没有报错

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70_pic_center]

这个时候我们再去用`exists filter`查询address不为空的数据，会怎么样呢？

GET /christy/user/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match_all": { }
            }
          ],
          "filter": { 
            "exists": { 
              "field": "address"
            }
          }
        }
      },
      "size": 12	# 我们目前有12条记录，ES默认只返回10条，这里我们全部返回
    }

![在这里插入图片描述][20210429100405386.gif]

我们查询到了11条数据，只有刚才添加的那条没有`address`的数据没有查询到

#### 5.ids filter ####

查询多个id为具体值得记录，像下面这样

GET /christy/user/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match_all": { }
            }
          ],
          "filter": { 
            "ids": { 
              "values": [
                "qoAtG3kBRz-Sn-2fMFjj",
                "p4AtG3kBRz-Sn-2fMFjj",
                "rIA1G3kBRz-Sn-2fFliP"
                ]
            }
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 4]

[20210429100257402.png]: /images/20221021/cc12621fd2654544b39d6224af313ba6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70]: /images/20221021/b91e6a54e1be4857a5b5a6dfe8cf5d01.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 1]: /images/20221021/e14af057a85040fdbce77979fc6222ce.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 2]: /images/20221021/0cc335cb45524f8b90ed9c1a46f95f17.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 3]: /images/20221021/08e92f456f544df4a516beb0bc41f36c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70_pic_center]: /images/20221021/280b511e1c0842e69941c8be1b8945ea.png
[20210429100405386.gif]: /images/20221021/c5b073e48bef428bb0094129f7bfd03d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 4]: /images/20221021/efd58b5030b74e759f74dfe02d7b893d.png