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：

【图1】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：

【图2】

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：

【图3】

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