查询详解

中间件

查询详解

ES 的查询 DSL（Domain Specific Language）是其最核心的能力。本文涵盖完整查询分类、相关度评分原理和最佳实践。

查询分类全景

大类	查询类型	说明	参与评分
查询所有	`match_all`	匹配所有文档	❌
全文检索	`match`	分词后 OR 匹配	✅
	`match_phrase`	短语精确匹配，保持顺序	✅
	`match_phrase_prefix`	短语前缀匹配（搜索补全）	✅
	`multi_match`	多字段搜索	✅
	`query_string` / `simple_query_string`	类 Lucene 语法字符串搜索	✅
精确查询	`term`	词条精确匹配（不分词）	✅
	`terms`	批量词条匹配	✅
	`range`	范围查询	✅
	`exists`	字段非空	❌
	`prefix`	前缀匹配	✅
	`wildcard`	通配符匹配（`*` 和 `?`）	✅
	`regexp`	正则匹配	✅
	`fuzzy`	模糊/纠错匹配	✅
	`ids`	按 _id 批量查询	❌
地理查询	`geo_distance`	圆形范围	✅
	`geo_bounding_box`	矩形范围	✅
	`geo_shape`	复杂地理形状	✅
复合查询	`bool`	多条件组合	子句决定
	`function_score`	自定义评分	✅
	`constant_score`	固定评分（包装 filter）	❌
	`boosting`	降权查询	✅
	`dis_max`	取多查询中最佳匹配	✅
专用查询	`nested`	嵌套对象查询	✅
	`has_child` / `has_parent`	父子关系查询	✅
	`script`	脚本过滤	✅
	`knn`	向量近似搜索	✅

基本语法

GET /{index}/_search
{
    "query": {
        "查询类型": {
            "字段名": "查询条件"
        }
    },
    "from": 0,
    "size": 10,
    "_source": ["field1", "field2"],
    "sort": [{ "field": "asc" }]
}

响应关键字段

字段	说明
`took`	ES 执行查询耗时（毫秒）
`timed_out`	搜索是否超时
`_shards.total / successful / failed`	分片统计
`hits.total.value`	匹配文档总数（`relation: "eq"` 为精确值，`"gte"` 为估算）
`hits.max_score`	文档中最高的相关性得分
`hits.hits._score`	单个文档得分（`filter`/`match_all` 上下文为 `null`）
`hits.hits._source`	文档原始 JSON

🔬 深入原理：ES 7.0+ 的 hits.total 默认只精确计数到 10000（track_total_hits: 10000）。超过此阈值返回 "relation": "gte"。需要精确计数时设置 "track_total_hits": true，但这会消耗额外资源。

全文检索

全文检索对搜索条件先分词再匹配，适用于 text 类型字段。

match — 单字段搜索

GET /bank/_search
{
    "query": {
        "match": {
            "address": "mill lane"
        }
    }
}

🔬 深入原理：搜索 "mill lane" → 分词为 ["mill", "lane"] → 默认 OR 关系 → 匹配包含 “mill” 或 “lane” 的文档。

match 的 operator 参数

# AND 关系：同时包含 mill 和 lane
GET /bank/_search
{
    "query": {
        "match": {
            "address": {
                "query": "mill lane",
                "operator": "and"
            }
        }
    }
}

minimum_should_match — 至少匹配 N 个词

# 至少匹配 75% 的词
GET /bank/_search
{
    "query": {
        "match": {
            "description": {
                "query": "快速 可靠 分布式 搜索引擎",
                "minimum_should_match": "75%"
            }
        }
    }
}

match_phrase — 短语匹配

要求词语同时出现且顺序一致。

GET /bank/_search
{
    "query": {
        "match_phrase": {
            "address": "mill lane"
        }
    }
}

参数	说明	默认值
`slop`	允许词语间的间隔（slop=1 允许中间隔一个词）	`0`

match_phrase_prefix — 前缀短语匹配

适合"边输入边搜索"场景：

GET /_search
{
    "query": {
        "match_phrase_prefix": {
            "title": "elasticsea"
        }
    }
}

⚡ 性能提示：前缀匹配可能产生大量 term 枚举。可通过 max_expansions（默认 50）限制。

multi_match — 多字段搜索

GET /bank/_search
{
    "query": {
        "multi_match": {
            "query": "mill lane",
            "fields": ["address", "city", "state"]
        }
    }
}

匹配模式（type 参数）：

type	说明
`best_fields`	取最佳匹配字段的得分（默认）
`most_fields`	多字段得分相加
`cross_fields`	跨字段匹配（如 “张三” 匹配 `first_name` + `last_name`）
`phrase`	在每个字段上执行 `match_phrase`
`phrase_prefix`	在每个字段上执行 `match_phrase_prefix`

# cross_fields 典型场景：人名跨字段搜索
GET /_search
{
    "query": {
        "multi_match": {
            "query": "张三",
            "fields": ["first_name", "last_name"],
            "type": "cross_fields",
            "operator": "and"
        }
    }
}

精确查询

精确查询不对搜索条件分词，适用于 keyword、数值、日期、布尔等类型。

term — 词条精确匹配

GET /bank/_search
{
    "query": {
        "term": {
            "state": { "value": "ND" }
        }
    }
}

🚨 陷阱：term 对 text 字段查询可能查不到——写入时 text 已被分词为多个小写 term，而 term 不做分词。对 text 字段用 match，对 keyword 字段用 term。

terms — 批量词条匹配

GET /bank/_search
{
    "query": {
        "terms": {
            "state": ["ND", "CA", "NY"]
        }
    }
}

range — 范围查询

GET /bank/_search
{
    "query": {
        "range": {
            "age": {
                "gte": 18,
                "lte": 65
            }
        }
    }
}

参数	含义
`gte`	≥（大于等于）
`gt`	>（大于）
`lte`	≤（小于等于）
`lt`	<（小于）
`format`	日期格式（日期字段专用）
`time_zone`	时区（日期字段专用）

prefix / wildcard / regexp

# 前缀匹配
GET /_search
{ "query": { "prefix": { "title.keyword": "Elastic" } } }

# 通配符匹配
GET /_search
{ "query": { "wildcard": { "title.keyword": "Elasti*" } } }

# 正则匹配
GET /_search
{ "query": { "regexp": { "title.keyword": "[Ee]lastic.*" } } }

⚡ 性能提示：prefix、wildcard、regexp 开销大，生产环境谨慎使用。考虑使用 match_phrase_prefix 或 edge n-gram 替代。

fuzzy — 纠错/模糊匹配

# 允许 1 次编辑距离的错误
GET /_search
{
    "query": {
        "fuzzy": {
            "title": {
                "value": "elastc",
                "fuzziness": "AUTO"
            }
        }
    }
}

参数	说明
`fuzziness`	`AUTO`（默认，自动计算）或数字（编辑距离）
`prefix_length`	前 N 个字符必须完全匹配（提升性能）

地理查询

geo_distance — 圆形范围

GET /restaurants/_search
{
    "query": {
        "geo_distance": {
            "distance": "5km",
            "location": {
                "lat": 40.73,
                "lon": -74.1
            }
        }
    }
}

geo_bounding_box — 矩形范围

GET /restaurants/_search
{
    "query": {
        "geo_bounding_box": {
            "location": {
                "top_left": { "lat": 40.73, "lon": -74.1 },
                "bottom_right": { "lat": 40.717, "lon": -73.99 }
            }
        }
    }
}

复合查询

bool — 多条件组合

GET /bank/_search
{
    "query": {
        "bool": {
            "must": [
                { "match": { "state": "ND" } }
            ],
            "must_not": [
                { "term": { "gender": "M" } }
            ],
            "should": [
                { "term": { "city": "New York" } },
                { "term": { "city": "Boston" } }
            ],
            "filter": [
                { "range": { "age": { "gte": 18, "lte": 65 } } },
                { "range": { "balance": { "gte": 20000 } } }
            ],
            "minimum_should_match": 1
        }
    }
}

子句	逻辑	参与评分	适用场景
`must`	AND（必须匹配）	✅	核心查询条件
`should`	OR（选择性匹配）	✅	加分条件
`must_not`	NOT（必须不匹配）	❌	排除条件
`filter`	AND（必须匹配）	❌	精确过滤（有缓存）

query vs filter 深度对比

维度	query 上下文	filter 上下文
目的	做排名：匹配越好分数越高	做过滤：在或不在
输出	每个文档都有 `_score`	无评分（`_score: null` 或 `0`）
性能	计算 TF-IDF/BM25，较慢	不评分 + 自动缓存（Filter Cache）
缓存	不缓存（不同查询得分不同）	缓存 bitset，重复查询极快

💡 最佳实践：精确值过滤用 filter，全文相关性排序用 must。

constant_score — 固定分数

将 filter 包装为 query 上下文并赋予固定分数：

GET /_search
{
    "query": {
        "constant_score": {
            "filter": { "term": { "level": "vip" } },
            "boost": 1.5
        }
    }
}

dis_max — 最佳字段得分

取多查询中得分最高的（而非求和），适合同一个 query 搜多个字段：

GET /_search
{
    "query": {
        "dis_max": {
            "queries": [
                { "match": { "title": "elasticsearch" } },
                { "match": { "body": "elasticsearch" } }
            ],
            "tie_breaker": 0.3
        }
    }
}

🔬 深入原理：tie_breaker（0~1）将非最高得分字段的分数乘以该系数后也纳入总分。0 = 只看最高分（默认），1 = 所有字段等权重加和。

boosting — 降权查询

GET /_search
{
    "query": {
        "boosting": {
            "positive": { "match": { "title": "apple" } },
            "negative": { "match": { "title": "pie" } },
            "negative_boost": 0.5
        }
    }
}

function_score — 自定义评分

修改文档的相关性算分，实现"付费推广"“热门加权"等效果。

基本结构

GET /products/_search
{
    "query": {
        "function_score": {
            "query": { "match": { "title": "手机" } },
            "functions": [
                {
                    "filter": { "term": { "brand": "华为" } },
                    "weight": 2
                },
                {
                    "field_value_factor": {
                        "field": "sales",
                        "factor": 0.1,
                        "modifier": "log1p"
                    }
                }
            ],
            "boost_mode": "multiply",
            "score_mode": "sum",
            "max_boost": 10
        }
    }
}

打分函数类型

函数	说明	示例
`weight`	常数加权	`"weight": 2` — 匹配该 filter 的文档分数乘 2
`field_value_factor`	用文档中某字段的值	`"field": "popularity"` — 越热门的文档得分越高
`random_score`	随机分数	用于随机推荐/AB 测试
`script_score`	Painless 脚本自定义	完全控制评分逻辑
`decay`	衰减函数（高斯/线性/指数）	距离目标值越近得分越高

评分算法演变

算法	ES 版本	特点
TF-IDF	5.0 之前	词频线性增长，无上限
BM25	5.0 至今	词频增长曲线趋于水平（词频饱和度）

🔬 深入原理：BM25 引入了词频饱和度（Term Frequency Saturation）和文档长度归一化。一个词在文档中出现 1000 次并不意味着相关性是出现 100 次的 10 倍——增长曲线会变平。

重要参数

参数	说明	可选值
`boost_mode`	function score 与 query score 的运算方式	`multiply`（默认）/ `replace` / `sum` / `avg` / `max` / `min`
`score_mode`	多个 function 之间如何合并	`multiply`（默认）/ `sum` / `avg` / `first` / `max` / `min`
`max_boost`	限制最高加权倍数（防止极端）	数值

因子	含义
IDF	逆文档频率 — 词在越少文档中出现，权重越大
TF	词频 — 词在本文档中出现次数
**	d
avgD	平均文档长度
k1	词频饱和度参数（默认 1.2）
b	长度归一化参数（默认 0.75，0 = 不考虑长度）

nested query — 嵌套对象精确查询

普通 object 类型会被扁平化，导致搜索失去关联性。nested 类型保持对象内字段的关联。

# Mapping
PUT /orders
{
    "mappings": {
        "properties": {
            "items": {
                "type": "nested",
                "properties": {
                    "name": { "type": "keyword" },
                    "price": { "type": "double" }
                }
            }
        }
    }
}

# 查询：订单中同时包含 "手机"（价格<5000）和 "手机壳"（价格<50）的商品
GET /orders/_search
{
    "query": {
        "nested": {
            "path": "items",
            "query": {
                "bool": {
                    "must": [
                        { "match": { "items.name": "手机" } },
                        { "range": { "items.price": { "lte": 5000 } } }
                    ]
                }
            }
        }
    }
}

问题	object 类型	nested 类型
存储	扁平化，丢失对象边界	独立 Lucene 文档，保持关联
查询	可能误匹配（跨对象）	精确关联匹配
性能	快	慢（需要 join）

search_after — 实时深度分页

详见 04-排序分页与高亮。

常见陷阱

陷阱	说明
🚨 `term` 对 `text` 字段查不到	text 写入时已分词，term 不做分词导致不匹配
🚨 `match` 是 OR 关系	`"mill lane"` 包含 mill 或 lane 即命中
🚨 `filter` 不参与评分	需要排序的场景必须用 `must`
🚨 `multi_match` 字段越多越慢	权衡搜索覆盖度和性能
🚨 `prefix`/`wildcard`/`regexp` 开销大	全表扫描式匹配，大索引中极慢
🚨 object 嵌套查询可能误匹配	跨对象字段交叉匹配；用 `nested` 类型解决
🚨 `hits.total` 超过 10000 不精确	需要精确数设 `track_total_hits: true`
🚨 `function_score` 不加 `max_boost`	极端值可能让某些文档完全淹没其他结果

索引与文档操作排序、分页与高亮