请注意:
本书基于 Elasticsearch 2.x 版本，有些内容可能已经过时。
本书基于 Elasticsearch 2.x 版本，有些内容可能已经过时。
基于词项与基于全文编辑
所有查询会或多或少的执行相关度计算，但不是所有查询都有分析阶段。
和一些特殊的完全不会对文本进行操作的查询（如 bool 或 function_score ）不同，文本查询可以划分成两大家族：
- 基于词项的查询
如
term或fuzzy这样的底层查询不需要分析阶段，它们对单个词项进行操作。用term查询词项Foo只要在倒排索引中查找 准确词项 ，并且用 TF/IDF 算法为每个包含该词项的文档计算相关度评分_score。记住
term查询只对倒排索引的词项精确匹配，这点很重要，它不会对词的多样性进行处理（如，foo或FOO）。这里，无须考虑词项是如何存入索引的。如果是将["Foo","Bar"]索引存入一个不分析的（not_analyzed）包含精确值的字段，或者将Foo Bar索引到一个带有whitespace空格分析器的字段，两者的结果都会是在倒排索引中有Foo和Bar这两个词。- 基于全文的查询
像
match或query_string这样的查询是高层查询，它们了解字段映射的信息：一旦组成了词项列表，这个查询会对每个词项逐一执行底层的查询，再将结果合并，然后为每个文档生成一个最终的相关度评分。
我们将会在随后章节中详细讨论这个过程。
我们很少直接使用基于词项的搜索，通常情况下都是对全文进行查询，而非单个词项，这只需要简单的执行一个高层全文查询（进而在高层查询内部会以基于词项的底层查询完成搜索）。
当我们想要查询一个具有精确值的 not_analyzed 未分析字段之前，
需要考虑，是否真的采用评分查询，或者非评分查询会更好。
单词项查询通常可以用是、非这种二元问题表示，所以更适合用过滤， 而且这样做可以有效利用缓存：
GET /_search
{
"query": {
"constant_score": {
"filter": {
"term": { "gender": "female" }
}
}
}
}