Elasticsearch term和range查询（附带实例）

Elasticsearch 拥有一种专门的查询类型，叫做词项级查询，用于支持查询结构化数据。

数值、日期、范围、IP 地址等属于结构化文本类型。Elasticsearch 对待结构化数据和非结构化数据的方式有所不同：非结构化（全文）数据会被分析，而结构化字段则按原样存储。

回顾一下图书文档，看一下 edition、amazon_rating 和 release_date 字段：

"edition": 3,"amazon_rating": 4.7,"release_date": "2017-12-27",

当我们第一次索引文档时，由于我们没有预先创建索引，Elasticsearch 会通过分析字段的值来推断出模式。例如，edition 字段被表示为数值（非文本）字段，因此会被引擎推断为 long 数据类型。

按照类似的逻辑，amazon_rating 字段被确定为 float 数据类型，因为该字段包含小数。release_date 被确定为 date 数据类型，因为这个值以国际标准 ISO 8601 的日期格式（yyyy-MM-dd）表示。这 3 个字段都被归类为非文本（non-text）字段，这意味着它们的值不会被分词（不会被拆分成词元），也不会被归一化（没有同义词或词根），而是按原样存储。

词项级查询只会产生两种输出：如果查询与条件相匹配，则返回结果；否则，不返回任何结果。这些查询不考虑文档的匹配程度（相关性），而是专注于查询是否有匹配。由于不考虑相关性，因此词项级查询不会产生相关性分数。

term查询

term 查询用于获取与搜索条件中提供的值精确匹配的结果。例如，要获取所有第 3 版的书，我们可以编写一个 term 查询：

GET books/_search
{
  "_source": ["title","edition"],  ←---  在响应文档中只返回两个字段
  "query": {
    "term": {  ←---  声明这是一个词项级查询
      "edition": {  ←---  提供字段和值作为搜索条件
        "value": 3
      }
    }
  }
}

这个查询返回了所有第 3 版的书，我们的索引中只有 1 本书，如下所示：

"_score" : 1.0,

如果仔细观察结果你会发现，结果的默认分数是 1.0，就像我之前提到的，词项级查询并不关心相关性。

range查询

range 查询用于获取匹配某个范围的结果，例如获取从凌晨 1:00 到下午 1:00 之间的航班，或者找到年龄在 14 岁到 19 岁之间的青少年。range 查询是搜索范围数据的强大工具，可以应用于日期、数值和其他属性。

继续图书的例子。我们可以使用 range 查询来获取所有 amazon_rating 高于或等于 4.5 星且低于或等于 5 星的书：

GET books/_search
{
  "query": {
    "range": {  ←---  声明range查询
      "amazon_rating": {  ←---  匹配的范围
        "gte": 4.5,  ←---  gte：大于或等于
        "lte": 5  ←---  lte：小于或等于
      }
    }
  }
}

这个 range 查询将获取 3 本书，因为有 3 本书的评分高于或等于 4.5 星。