概述

在Elasticsearch中，布尔查询（bool query）是构建复杂查询的基本工具。它允许你组合多个查询子句，每个子句可以使用不同的逻辑操作符。常见的逻辑操作符包括 must、filter 和 must_not。下面是它们之间的详细区别和用法：
在Elasticsearch（ES）中，must、filter（通常是通过bool查询中的filter子句实现）、和must_not是构建复杂查询条件时常用的几个关键词，它们各自具有不同的用途和行为特性。理解这些区别对于优化查询性能和构建精确的搜索条件至关重要。
must
用途：must子句用于指定查询中必须满足的条件。只有当文档满足must子句中的所有条件时，该文档才会被包含在搜索结果中。
影响：must子句会影响文档的评分（score）。Elasticsearch会根据查询条件与文档内容的匹配程度计算每个文档的评分，从而决定搜索结果的排序。
示例：在搜索包含特定关键词的文档时，这个关键词的查询条件就会放在must子句中。
filter
用途：虽然filter不是直接作为查询的一部分使用的关键字（实际上，它是bool查询中的一个字段），但它用于指定查询中必须满足的过滤条件，但不会影响文档的评分。
影响：由于filter条件不会计算评分，因此它们可以显著提高查询性能，特别是在处理大量数据时。这对于需要快速返回匹配结果的场景非常有用。
示例：在搜索特定时间范围内的文档时，时间范围会作为filter条件，因为时间范围对文档的评分没有影响，但它是搜索结果的一个重要过滤条件。
must_not
用途：must_not子句用于指定查询中必须不满足的条件。如果文档满足must_not子句中的任何条件，该文档就不会被包含在搜索结果中。
影响：must_not条件同样会影响文档的评分，但在这个上下文中，它的主要目的是排除不满足条件的文档，而不是计算评分。
示例：在搜索不包含特定关键词的文档时，这个关键词的查询条件就会放在must_not子句中。
总结
使用must来指定查询中必须满足的条件，并希望这些条件影响文档的评分。
使用filter（在bool查询中）来指定过滤条件，这些条件必须满足，但不会影响文档的评分，从而提高查询性能。
使用must_not来排除不满足特定条件的文档。
理解这些区别有助于在构建Elasticsearch查询时做出正确的选择，以达到最佳的查询性能和结果准确性。

must

功能：要求查询的条件必须匹配。文档必须满足 must 子句中的所有条件才能被包括在搜索结果中。
用法：类似于逻辑上的 AND 操作。
示例：

GET /my_index/_search
{"query": {"bool": {"must": [{ "match": { "title": "Elasticsearch" } },{ "match": { "status": "active" } }]}}
}

filter

功能：与 must 类似，要求查询的条件必须匹配，但 filter 子句不会影响相关性评分（score）。适用于不需要评分的条件（如过滤器）。
用法：对查询结果进行过滤，不计算相关性得分，提高查询性能。
示例：

GET /my_index/_search
{"query": {"bool": {"must": [{ "match": { "title": "Elasticsearch" } }],"filter": [{ "term": { "status": "active" } }]}}
}

must_not

功能：要求查询的条件不能匹配。文档必须不满足 must_not 子句中的所有条件才能被包括在搜索结果中。
用法：类似于逻辑上的 NOT 操作。
示例：

GET /my_index/_search
{"query": {"bool": {"must": [{ "match": { "title": "Elasticsearch" } }],"must_not": [{ "term": { "status": "inactive" } }]}}
}

should

功能：要求查询的条件可以匹配但不是必须匹配。文档只要满足 should 子句中的任一条件，就会被包括在搜索结果中。如果有多个 should 子句，至少有一个条件满足即可。
用法：类似于逻辑上的 OR 操作。
示例：

GET /my_index/_search
{"query": {"bool": {"must": [{ "match": { "title": "Elasticsearch" } }],"should": [{ "match": { "tags": "search" } },{ "match": { "tags": "database" } }],"minimum_should_match": 1}}
}

综合示例
以下是一个综合示例，展示了如何结合使用 must、filter、must_not 和 should：

GET /my_index/_search
{"query": {"bool": {"must": [{ "match": { "title": "Elasticsearch" } }],"filter": [{ "term": { "status": "active" } }],"must_not": [{ "term": { "category": "archived" } }],"should": [{ "match": { "tags": "search" } },{ "match": { "tags": "database" } }],"minimum_should_match": 1}}
}

详细解释
must: 文档必须匹配 title 为 “Elasticsearch”。
filter: 文档必须有 status 为 “active”。
must_not: 文档不能有 category 为 “archived”。
should: 文档应该匹配 tags 为 “search” 或 “database”，至少满足一个条件（通过 minimum_should_match 参数指定）。
这些子句可以组合在一起，构建复杂的查询逻辑，根据具体需求进行灵活运用。如果你有更多的具体需求或进一步的问题，请随时告知！

must和filter的区别

在Elasticsearch中，must和filter都是bool查询子句的一部分，但它们在使用和目的上有一些明显的区别。以下是关于must和filter的主要区别：

1. 评分计算：
   must：所有列在must部分的查询条件必须匹配。它类似于逻辑操作符AND，并且会计算每个匹配文档的得分。文档的得分将基于其在must子句中的查询条件的匹配程度来计算。
   filter：与must类似，它包含必须匹配的条件，但不同之处在于，filter不会影响评分，只用于过滤数据。这意味着使用filter子句匹配的文档将获得一个中性的得分，这通常是Elasticsearch内部的一个默认值（例如1.0）。由于filter不参与评分计算，它通常用于范围查询、存在/不存在检查等场景，这些场景不需要计算文档的相关性得分。
   2.缓存：
   filter子句下的查询通常可以被Elasticsearch缓存，这有助于提高查询性能，特别是当相同的过滤条件被频繁使用时。相比之下，must子句下的查询通常不会被缓存，除非它们作为查询的一部分被明确地缓存。
   3.使用场景：
   must：当您需要计算文档的相关性得分并基于这些得分对结果进行排序时，应该使用must子句。例如，在全文搜索或基于多个条件的复合搜索中，您可能希望根据文档与查询条件的匹配程度对结果进行排序。
   filter：当您只需要根据某些条件筛选文档，而不关心它们的相关性得分时，应该使用filter子句。例如，在范围查询、日期筛选或基于特定字段值的筛选中，您可能只关心哪些文档满足这些条件，而不关心它们的得分。
   4.性能：
   5.由于filter不参与评分计算，并且可以被缓存，因此它通常比must更快。在处理大量数据或需要高性能的查询时，优先考虑使用filter。

区别	Filter	must
功能	过滤出满足特定条件的文档，不计算相关度分数	指定查询时必须满足的条件，并计算相关度分数
性能	通常具有更好的性能，结果可缓存	性能略逊于filter，需要计算分数
使用场景	需要根据特定条件筛选文档，但不需要排序	需要精确匹配查询条件，并根据相关性排序

示例：使用must进行全文搜索和基于条件的筛选：

{  "query": {  "bool": {  "must": [  { "match": { "name": "智能手机" } },  { "term": { "status": "正常" } }  ]  }  }  
}

使用filter进行范围筛选和日期筛选：

{  "query": {  "bool": {  "must": [  { "match": { "name": "智能手机" } }  ],  "filter": [  { "range": { "price": { "gte": 200, "lte": 400 } } },  { "range": { "order_date": { "gte": "2020-01-01", "lte": "2020-12-31" } } }  ]  }  }  
}

总结来说，must和filter都是Elasticsearch中用于构建复杂查询的重要工具。选择使用哪个子句取决于您的具体需求，包括是否需要计算文档的相关性得分、是否需要缓存查询以及查询的性能要求等。