ElasticSearch：bool查询中must正则与must_not查询的最佳实践对比

嘿，针对你提到的这些查询需求——获取字段包含/不包含某个值、等于/不等于某个值——结合你正在迁移的Elasticsearch版本，还有你那个text带keyword子字段的映射，我从性能和结果准确性两方面给你梳理下最靠谱的方案：

一、精确匹配：等于/不等于某个值 #

因为你的字段是text类型（会自动分词），所以精确匹配必须用myField.keyword这个子字段——它存储的是原始字符串的精确值，天生适合做完全匹配操作。

1. 等于某个值（精确匹配） #

直接用term查询，这是ES最基础的精确匹配方式，性能拉满，结果100%准确：

{
  "query": {
    "term": {
      "myField.keyword": "some value"
    }
  }
}

为啥不用正则？term直接利用倒排索引定位文档，速度比正则快几个量级，而且完全不会有正则特殊字符转义的麻烦。

2. 不等于某个值（精确排除） #

用bool查询的must_not子句配合term，比你之前用的regexp: ~(some value)高效太多：

{
  "query": {
    "bool": {
      "must_not": [
        { "term": { "myField.keyword": "some value" } }
      ]
    }
  }
}

优势：must_not直接排除匹配的文档，不会像正则反向匹配那样扫描大量无关文档，而且结果绝对准确，不会因为正则语法错误导致漏排或误排。

二、模糊匹配：包含/不包含某个值 #

这里要分两种场景：全文检索式的包含（分词后的词匹配）和精确子串的包含（原始字符串里有某个子串），两种场景的最佳方案不一样。

1. 包含某个值（全文检索场景） #

如果你的需求是“文档内容里包含某个词或短语”（比如搜索“apple”能匹配“fresh apple pie”），直接用match查询myField（text字段）：

{
  "query": {
    "match": {
      "myField": "some value"
    }
  }
}

这是ES设计的核心用法，match会先对查询词做和字段相同的分词处理，然后匹配分词后的结果，性能远高于正则的.*some value.*，而且结果更符合语义（比如分词后匹配，而不是生硬的子串匹配）。

如果需要短语精确匹配（比如必须是“some value”连在一起），用match_phrase：

{
  "query": {
    "match_phrase": {
      "myField": "some value"
    }
  }
}

2. 包含某个值（精确子串场景） #

如果必须是原始字符串里包含某个子串（比如字段值是“hello world 123”，要匹配包含“world”的文档），优先用wildcard查询myField.keyword：

{
  "query": {
    "wildcard": {
      "myField.keyword": "*some value*"
    }
  }
}

如果是前缀匹配（比如字段以“some”开头），用prefix查询性能更好：

{
  "query": {
    "prefix": {
      "myField.keyword": "some"
    }
  }
}

为啥不用正则？wildcard在ES里做了专门优化，尤其是当通配符在末尾的时候，比正则的.*扫描范围小很多，而且不需要处理正则特殊字符（比如.、+）的转义，不容易出错。

3. 不包含某个值（两种场景对应） #

• 全文检索式不包含：用bool.must_not配合match，排除分词后匹配的文档：

  {
    "query": {
      "bool": {
        "must_not": [
          { "match": { "myField": "some value" } }
        ]
      }
    }
  }
  

• 精确子串式不包含：用bool.must_not配合wildcard，排除包含指定子串的文档：

  {
    "query": {
      "bool": {
        "must_not": [
          { "wildcard": { "myField.keyword": "*some value*" } }
        ]
      }
    }
  }
  

三、性能与准确性对比总结 #

四、额外注意事项 #

• 绝对避免在text字段上做精确匹配或子串匹配，因为text字段存储的是分词后的词，原始字符串只在_source里，查询text的精确值性能极差，直接用keyword子字段才是正确姿势。
• 尽量少用regexp查询，尤其是带有.*开头的正则，会导致ES扫描大量倒排索引项，性能急剧下降，而且很容易因为特殊字符未转义导致匹配错误。
• 在7.x版本中，bool的must_not子句不会影响文档评分，而正则查询会参与评分，这会让must_not的结果排序更稳定，符合预期。

内容的提问来源于stack exchange，提问作者soumitra goswami