关于constant_score与普通term查询的差异及优势咨询

嘿，这个问题问到点子上了！虽然你看到两个查询返回的文档结果一致，但它们在得分计算、性能表现、适用场景上有着本质区别，咱们一一拆解：

1. 核心差异：得分（Score）的计算逻辑 #

• 普通term查询：
  Elasticsearch会按照相关性规则（比如TF-IDF、字段长度归一化等）计算每个匹配文档的得分。哪怕是keyword字段的精确匹配，得分也是经过计算得出的（虽然结果可能看起来很接近，但逻辑上是动态计算的）。如果索引里有多个匹配文档，得分可能会因为词频、文档长度等因素略有差异。

• constant_score查询：
  直接给所有匹配的文档分配一个固定得分（默认值是1.0，你可以通过boost参数自定义，比如设置为2.0），完全跳过相关性得分的计算步骤。这意味着所有匹配文档的得分完全一致，没有高低之分。

2. 性能与缓存的区别 #

• constant_score + filter：
  这里的filter子句属于Elasticsearch的过滤上下文，系统会自动缓存过滤的结果。当你频繁执行相同的过滤条件时，后续查询可以直接复用缓存，大幅提升性能，尤其是在数据量较大的场景下。另外，过滤上下文只负责筛选文档，不会干扰得分计算逻辑。

• 普通term查询：
  属于查询上下文，默认不会缓存查询结果（除非手动配置缓存），而且需要额外执行得分计算逻辑。在数据量较大或查询频率高的场景下，性能会比带filter的constant_score稍逊一筹。

3. 各自的适用场景 #

• 优先用constant_score + filter的场景：

  • 当你只关心文档是否匹配，不需要基于相关性排序时（比如精确匹配课程名称、权限过滤、时间范围筛选等）；
  • 追求查询性能，希望利用缓存优化重复查询时；
  • 需要给某一类匹配文档统一设置权重时（通过boost参数）。

  举个自定义得分的例子：

  {
    "query" : {
      "constant_score" : {
        "filter" : { "term" : { "name.keyword": "Anthropology 230" } },
        "boost": 3.0
      }
    }
  }
  

  此时所有匹配文档的得分都会是3.0。

• 优先用普通term查询的场景：
  当你需要基于相关性得分排序时，比如全文搜索场景——比如用户搜索“Anthropology”，你希望包含该词更多、出现位置更重要的文档排在前面，这时就需要普通查询来动态计算相关性得分。

为什么你现在看到输出相同？ #

因为你的例子是keyword字段的精确匹配，两个查询筛选出的文档完全一致；而且精确匹配下普通term查询的得分也会非常接近（甚至看起来一样），所以你觉得输出没有差异。但底层的计算逻辑和性能表现是不同的哦！

内容的提问来源于stack exchange，提问作者aysh