两个Elasticsearch查询哪个更高效？terms/match及filter解析

你的两个查询 #

Query 1 #

{ "query": {
      "bool": {
        "filter": {
          "bool": {
          "must": [
              {
                  "match": {
                      "vin": "okhifeb"
                  }
              },
              {
                  "match": {
                      "reportType": "OVERSPEEDING"
                  }
              },
              {
                "range": {
                    "startTime": {
                    "gte": "2023-07-01T00:00:00"
                    }
                }
            },
            {
                "range": {
                    "endTime": {
                    "lte": "2023-07-18T00:00:00"
                    }
                }
            }
          ]
        }
        }
      }
  }
}

Query 2 #

{
    "query": {
        "bool": {
            "must": [
                {
                    "terms": {
                        "vin.keyword": ["okhifeb"]
                    }
                },
                {
                    "match": {
                        "reportType": "OVERSPEEDING"
                    }
                },
                {
                    "range": {
                        "startTime": {
                        "gte": "2023-07-01T00:00:00"
                        }
                    }
                },
                {
                    "range": {
                        "endTime": {
                        "lte": "2023-07-18T00:00:00"
                        }
                    }
                }
            ]
        }
    }
}

问题解答 #

1. 哪个查询效率更高？ #

目前两者took值相近，但Query 1的长期性能会更优，核心原因是它把所有条件放在了filter子句中：

• filter不需要计算文档的相关性得分，省去了这部分CPU开销；
• filter的结果会被Elasticsearch自动缓存到内存，后续相同条件的查询可以直接复用缓存结果，重复查询时性能提升非常明显。

而Query 2的条件都在must里，每次查询都要计算得分，且结果默认不会被缓存（query cache默认只缓存filter结果），当数据量增大或查询次数变多后，两者的性能差距会逐渐显现。

另外，Query 2用terms查询vin.keyword是精确匹配，比Query 1中match查询vin少了一步分词处理（如果vin是text类型的话），这一步Query 2更快，但整体来看Query 1的filter缓存特性带来的收益更大。

2. terms和match哪个更高效？ #

两者效率对比要看使用场景：

• terms查询是精确匹配，直接查找倒排索引里的对应词条，不需要分词，也不计算得分（除非放在must这类查询子句中），适合匹配keyword类型字段或text字段的keyword子字段，这种场景下terms比match高效。
• match查询会先对查询文本分词，再匹配分词后的词条，还要计算相关性得分，开销更大，适合全文检索、模糊匹配的场景，比如自然语言查询text字段，这种场景只能用match。

简单总结：精确匹配用terms（针对keyword字段）更高效；模糊检索只能用match。

3. filter的效率提升作用及适用场景 #

提升作用：

• 跳过打分：filter只判断文档是否符合条件，不计算相关性得分，节省CPU资源；
• 结果缓存：filter结果会被缓存到内存，重复查询相同条件时直接返回缓存，大幅提速；
• 提前过滤：在bool查询中filter会先执行，快速剔除不符合条件的文档，减少后续查询需要处理的数据量。

适用场景：

• 不需要相关性得分的查询，比如精确匹配、范围查询、布尔筛选；
• 重复执行的固定查询条件，比如固定时间范围、固定类别筛选；
• 对性能要求高，且结果不需要按相关性得分排序的查询。

你的场景里所有条件都是精确匹配或范围筛选，完全适合放在filter中。

内容的提问来源于stack exchange，提问作者makriss