Elasticsearch Boolean Query查询介绍

前言

ES 和 Solr 的底层都是基于Apache Lucene 实现，bool 查询的底层实现是Lucene 的 BooleanQuery，其可以组合多个子句查询，类似 SQL 语句里面的 OR 查询。

查询介绍

在 ES 里面 Boolean 查询封装了 4 种 API 接口能力，可以单独使用，也可以组合使用，总结如下：

|----------|-----------------------------------------------------------------------------------|
| 函数 | 描述 |
| must | query 关键词在召回文档里面必须包含，参与相关性评分 |
| filter | query 关键词在召回文档里面必须包含，不参与相关性评分，但结果集会被缓存 |
| should | query 关键词在召回文档里面可能包含，如果只有一个 should 子句情况下与 must 子句结果一样，如果有多个should子句情况下，命中任何一个即可召回 |
| must_not | query 关键词在召回文档里面必须排除，不参与相关性评分，但结果集会被缓存 |

评分介绍

boolean 查询的评分原理是，匹配越多越好，在 must 和 should 子句里面的匹配成功后，最终会将相关性评分累加到 score 里面

查询示例

POST _search
{
  "query": {
    "bool" : {
      "must" : {
        "term" : { "user.id" : "kimchy" }
      },
      "filter": {
        "term" : { "tags" : "production" }
      },
      "must_not" : {
        "range" : {
          "age" : { "gte" : 10, "lte" : 20 }
        }
      },
      "should" : [
        { "term" : { "tags" : "env1" } },
        { "term" : { "tags" : "deployed" } }
      ],
      "minimum_should_match" : 1,
      "boost" : 1.0
    }
  }
}

其他参数介绍

minimum_should_match

该参数控制 should 子句召回的文档，其匹配条件应该达到的数量或百分比，如果 bool 查询只有一个 should 子句且没有 must 和 filter 子句的前提下该参数的值为 1，其他情况下为 0

minimum_should_match参数的取值列表：

|------|---------------|-------------------------------------------------------------------------------------------------------------------------------------|
| 类型 | 例子 | 说明 |
| 正整数 | 3 | 固定 3 个，与子句数量无关 |
| 负整数 | -2 | 子句总数 - 2 |
| 百分比 | 75% | 子句总数 * 0.75 后向下取整 |
| 负百分比 | -25% | 子句总数 - （子句总数*0.25 后向下取整) |
| 组合 | 3<90% | 如果子句数量小于等于3，则全部都是必须的，但如果大于 3，则仅需要 90% 子句满足 |
| 多种组合 | 2<-25% 9<-3 | es 支持多种限定条件组合，中间使用空格分隔，每个条件的规范仅在大于前一个的数字有效，在这个例子种，如果子句数量有 1 个或者 2 个，那么两个都是必须的，如果有 3-9 个，则需要除 25%之外的所有子句，如果超过 9 个则需要除 3 个子句之外的所有子句匹配 |

filter

在 filter 中指定查询对相关性评分没有影响，分数返回都是 0，分数仅受指定查询的影响，例如以下的三个查询都会查询指定条件的文档：

filter query 评分为 0，因为没有指定评分查询

GET _search
{
  "query": {
    "bool": {
      "filter": {
        "term": {
          "status": "active"
        }
      }
    }
  }
}

bool query 有一个 match_all 查询，所以所有文档的评分都为 1.0

GET _search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "term": {
          "status": "active"
        }
      }
    }
  }
}

constant_score 与 match_all 类似，分配同样的 1.0 分数

GET _search
{
  "query": {
    "constant_score": {
      "filter": {
        "term": {
          "status": "active"
        }
      }
    }
  }
}

named_queries

可以在每个顶级查询中传入一个 _name命名字段，用来跟踪那些查询与返回的文档匹配，如果使用了命名查询，那么返回的结果种则会包含每个命中的 matched_queries 属性

GET /_search
{
  "query": {
    "bool": {
      "should": [
        { "match": { "name.first": { "query": "shay", "_name": "first" } } },
        { "match": { "name.last": { "query": "banon", "_name": "last" } } }
      ],
      "filter": {
        "terms": {
          "name.last": [ "banon", "kimchy" ],
          "_name": "test"
        }
      }
    }
  }
}

此外在请求中还可以传入一个 include_named_queries_score 参数，可以控制是否返回与匹配查询关联的分数，这里需要注意在 filter 中的查询，在 must_not上下文种的查询，以及出现在 constant_score 或 function_score_query内查询的分数，不会对文档总分数产生影响

GET /_search?include_named_queries_score
{
  "query": {
    "bool": {
      "should": [
        { "match": { "name.first": { "query": "shay", "_name": "first" } } },
        { "match": { "name.last": { "query": "banon", "_name": "last" } } }
      ],
      "filter": {
        "terms": {
          "name.last": [ "banon", "kimchy" ],
          "_name": "test"
        }
      }
    }
  }
}

此外，命名查询会对查询性能造成一定影响，在 hits 命中量大的时候会更明显，应谨慎使用