在文章ElasticSearch教程——Kibana簡單操作ES末尾我們用到了must,should以及must not來進行一個數據搜尋的限制以獲取期望的搜尋結果。實際上在除了上述所說方法外我們還能使用filter進行過濾，以獲取自己想要的結果。

新增測試資料

PUT /company/employee/2
{
  "address": {
    "country": "china",
    "province": "jiangsu",
    "city": "nanjing"
  },
  "name": "tom",
  "age": 30,
  "join_date": "2016-01-01"
}

PUT /company/employee/3
{
  "address": {
    "country": "china",
    "province": "shanxi",
    "city": "xian"
  },
  "name": "marry",
  "age": 35,
  "join_date": "2015-01-01"
}
 

測試

搜尋請求：年齡必須大於等於30，同時join_date必須是2016-01-01

GET /company/employee/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "join_date": "2016-01-01"
          }
        }
      ],
      "filter": {
        "range": {
          "age": {
            "gte": 30
          }
        }
      }
    }
  }
}
 

返回結果

{
  "took": 9,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 1,
    "hits": [
      {
        "_index": "company",
        "_type": "employee",
        "_id": "2",
        "_score": 1,
        "_source": {
          "address": {
            "country": "china",
            "province": "jiangsu",
            "city": "nanjing"
          },
          "name": "tom",
          "age": 30,
          "join_date": "2016-01-01"
        }
      }
    ]
  }
}
 

可以看出filter同樣也能起到篩選的作用

filter與query對比

filter，僅僅只是按照搜尋條件過濾出需要的資料而已，不計算任何相關度分數，對相關度沒有任何影響； query，會去計算每個document相對於搜尋條件的相關度，並按照相關度進行排序；

一般來說，如果你是在進行搜尋，需要將最匹配搜尋條件的資料先返回，那麼用query；如果你只是要根據一些條件篩選出一部分資料，不關注其排序，那麼用filter； 除非是你的這些搜尋條件，你希望越符合這些搜尋條件的document越排在前面返回，那麼這些搜尋條件要放在query中；如果你不希望一些搜尋條件來影響你的document排序，那麼就放在filter中即可；

filter與query效能對比

filter，不需要計算相關度分數，不需要按照相關度分數進行排序，同時還有內建的自動cache最常使用filter的資料 query，相反，要計算相關度分數，按照分數進行排序，而且無法cache結果