過濾查詢（Filter）和評分查詢（Query）性能差異
過濾查詢（Filtering queries）只是簡單的檢查包含或者排除涌韩，這就使得計算起來非常快』器ⅲ考慮到至少有一個過濾查詢（filtering query）的結(jié)果是 “稀少的”（很少匹配的文檔），并且經(jīng)常使用不評分查詢（non-scoring queries）平匈，結(jié)果會被緩存到內(nèi)存中以便快速讀取框沟，所以有各種各樣的手段來優(yōu)化查詢結(jié)果。
相反增炭，評分查詢（scoring queries）不僅僅要找出匹配的文檔忍燥，還要計算每個匹配文檔的相關(guān)性，計算相關(guān)性使得它們比不評分查詢費力的多隙姿。同時梅垄，查詢結(jié)果并不緩存。
多虧倒排索引（inverted index）输玷，一個簡單的評分查詢在匹配少量文檔時可能與一個涵蓋百萬文檔的filter表現(xiàn)的一樣好队丝，甚至?xí)谩５窃谝话闱闆r下饲嗽，一個filter 會比一個評分的query性能更優(yōu)異炭玫，并且每次都表現(xiàn)的很穩(wěn)定。
過濾（filtering）的目標(biāo)是減少那些需要通過評分查詢（scoring queries）進(jìn)行檢查的文檔貌虾。
對于精確值的查詢吞加，你可能需要使用 filter 語句來取代 query，因為 filter 將會被緩存。
相關(guān)性評分計算
用 term 查詢計算每個文檔相關(guān)度評分 _score 衔憨，這是種將詞頻（term frequency叶圃，即詞 quick 在相關(guān)文檔的 title 字段中出現(xiàn)的頻率）和反向文檔頻率（inverse document frequency，即詞 quick 在所有文檔的 title 字段中出現(xiàn)的頻率）践图，以及字段的長度（即字段越短相關(guān)度越高）相結(jié)合的計算方式掺冠。
exact value 與full text
ElasticSearch把值分成兩類：exact value 與full text。
當(dāng)針對exact value的字段搜索時码党，使用布爾判斷德崭，例如：Foo != foo。
當(dāng)針對full text的字段搜索時揖盘，則是計算相關(guān)程度眉厨，例如：UK與United Kingdom相關(guān)、jumping與leap也相關(guān)兽狭。
