引自免费微信小程序：皆我百晓生
在Elasticsearch中，对于未分词字段（比如数值、日期或其他类型的数据）的搜索，它并不会进行全文本分析，而是使用特定的数据结构进行查询，这通常被称为“位图过滤器”（Bitmap Filters）。这些数据结构使得Elasticsearch可以高效地处理范围查询、精确匹配以及布尔逻辑组合。
当对非文本字段执行搜索时，Elasticsearch不会进行倒排索引的查找，而是使用以下方法之一：
-
Term Query：如果你正在寻找一个精确匹配的值，Elasticsearch会使用
term query。它会在内部数据结构中查找指定的值，而不是遍历整个文档。对于数值和日期类型的字段，这通常意味着快速查找，因为它们已经排序并存储为二进制格式。from elasticsearch import Elasticsearch es = Elasticsearch() query = { "query": { "term": {"your_field_name": "your_value"} } } response = es.search(index="your_index", body=query) -
Range Query：对于数值或日期范围查询，Elasticsearch会使用位图过滤器，例如
range query。它会创建一个表示满足条件的文档集合的位图，从而避免了全表扫描。from datetime import datetime, timedelta es = Elasticsearch() # 示例范围查询，从当前时间的一周前到当前时间 start_date = datetime.now() - timedelta(days=7) end_date = datetime.now() query = { "query": { "range": { "your_date_field": { "gte": start_date.strftime("%Y-%m-%dT%H:%M:%S"), "lte": end_date.strftime("%Y-%m-%dT%H:%M:%S") } } } } response = es.search(index="your_index", body=query) -
Script Score Query：如果你需要基于字段的值进行复杂计算，可以使用脚本评分查询（
script_score query），但这可能比简单的Term或Range查询更慢。 -
聚合查询（Aggregations）：对于统计和汇总操作，Elasticsearch提供了强大的聚合功能，可以在不返回具体文档的情况下对数据进行分组和计数。
from elasticsearch_dsl import Search, A s = Search(index="your_index").query("match_all") s.aggs.bucket("by_your_field", "terms", field="your_field_name") response = s.execute() for bucket in response["aggregations"]["by_your_field"]["buckets"]: print(bucket["key"], bucket["doc_count"])
综上所述，对于非文本字段的搜索，Elasticsearch利用专门的数据结构和算法来提高效率，避免全表扫描。这样可以确保即使在大规模数据集上也能提供良好的性能。
