Elasticsearch基础查询表达式

　　查询表达式
　　查询表达式（QueryDSL）是一种非常灵活又富有表现力的查询语言。Elasticsearch使用它可以以简单的JSON接口来展现Lucene功能的绝大部分。
　　要使用这种查询表达式，只需将查询语句传递给query参数：GETsearch｛query：YOURQUERYHERE｝
　　空查询（emptysearch）｛｝在功能上等价于使用matchall查询，正如其名字一样，匹配所有文档：GETsearch｛query：｛matchall：｛｝｝｝
　　拷贝为curl在Sense中查看查询语句的结构
　　一个查询语句的典型结构：｛QUERYNAME：｛ARGUMENT：VALUE，ARGUMENT：VALUE，。。。｝｝
　　如果是针对某个字段，那么它的结构如下：｛QUERYNAME：｛FIELDNAME：｛ARGUMENT：VALUE，ARGUMENT：VALUE，。。。｝｝｝
　　举个例子，你可以使用match查询语句来查询tweet字段中包含elasticsearch的tweet：｛match：｛tweet：elasticsearch｝｝
　　完整的查询请求如下：GETsearch｛query：｛match：｛tweet：elasticsearch｝｝｝合并查询语句
　　查询语句（Queryclauses）就像一些简单的组合块，这些组合块可以彼此之间合并组成更复杂的查询。这些语句可以是如下形式：叶子语句（Leafclauses）（就像match语句）被用于将查询字符串和一个字段（或者多个字段）对比。复合（Compound）语句主要用于合并其它查询语句。比如，一个bool语句允许在你需要的时候组合其它语句，无论是must匹配、mustnot匹配还是should匹配，同时它可以包含不评分的过滤器（filters）：｛bool：｛must：｛match：｛tweet：elasticsearch｝｝，mustnot：｛match：｛name：mary｝｝，should：｛match：｛tweet：fulltext｝｝，filter：｛range：｛age：｛gt：30｝｝｝｝｝
　　一条复合语句可以合并任何其它查询语句，包括复合语句，了解这一点是很重要的。这就意味着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。
　　例如，以下查询是为了找出信件正文包含businessopportunity的星标邮件，或者在收件箱正文包含businessopportunity的非垃圾邮件：｛bool：｛must：｛match：｛email：businessopportunity｝｝，should：〔｛match：｛starred：true｝｝，｛bool：｛must：｛match：｛folder：inbox｝｝，mustnot：｛match：｛spam：true｝｝｝｝〕，minimumshouldmatch：1｝｝查询与过滤
　　Elasticsearch使用的查询语言（DSL）拥有一套查询组件，这些组件可以以无限组合的方式进行搭配。这套组件可以在以下两种情况下使用：过滤情况（filteringcontext）和查询情况（querycontext）。
　　当使用于过滤情况时，查询被设置成一个不评分或者过滤查询。即，这个查询只是简单的问一个问题：这篇文档是否匹配？。回答也是非常的简单，yes或者no，二者必居其一。created时间是否在2013与2014这个区间？status字段是否包含published这个单词？latlon字段表示的位置是否在指定点的10km范围内？
　　当使用于查询情况时，查询就变成了一个评分的查询。和不评分的查询类似，也要去判断这个文档是否匹配，同时它还需要判断这个文档匹配的有多好（匹配程度如何）。此查询的典型用法是用于查找以下文档：查找与fulltextsearch这个词语最佳匹配的文档包含run这个词，也能匹配runs、running、jog或者sprint包含quick、brown和fox这几个词词之间离的越近，文档相关性越高标有lucene、search或者java标签标签越多，相关性越高
　　一个评分查询计算每一个文档与此查询的相关程度，同时将这个相关程度分配给表示相关性的字段score，并且按照相关性对匹配到的文档进行排序。这种相关性的概念是非常适合全文搜索的情况，因为全文搜索几乎没有完全正确的答案。
　　自Elasticsearch问世以来，查询与过滤（queriesandfilters）就独自成为Elasticsearch的组件。但从Elasticsearch2。0开始，过滤（filters）已经从技术上被排除了，同时所有的查询（queries）拥有变成不评分查询的能力。
　　然而，为了明确和简单，我们用filter这个词表示不评分、只过滤情况下的查询。你可以把filter、filteringquery和nonscoringquery这几个词视为相同的。
　　相似的，如果单独地不加任何修饰词地使用query这个词，我们指的是scoringquery。性能差异
　　过滤查询（Filteringqueries）只是简单的检查包含或者排除，这就使得计算起来非常快。考虑到至少有一个过滤查询（filteringquery）的结果是稀少的（很少匹配的文档），并且经常使用不评分查询（nonscoringqueries），结果会被缓存到内存中以便快速读取，所以有各种各样的手段来优化查询结果。
　　相反，评分查询（scoringqueries）不仅仅要找出匹配的文档，还要计算每个匹配文档的相关性，计算相关性使得它们比不评分查询费力的多。同时，查询结果并不缓存。
　　多亏倒排索引（invertedindex），一个简单的评分查询在匹配少量文档时可能与一个涵盖百万文档的filter表现的一样好，甚至会更好。但是在一般情况下，一个filter会比一个评分的query性能更优异，并且每次都表现的很稳定。
　　过滤（filtering）的目标是减少那些需要通过评分查询（scoringqueries）进行检查的文档。如何选择查询与过滤
　　通常的规则是，使用查询（query）语句来进行全文搜索或者其它任何需要影响相关性得分的搜索。除此以外的情况都使用过滤（filters）。