上一篇确立了 Data View 作为查询字段基础的角色——它把一组索引的 mapping 抽象成带格式化和运行时字段的字段表，Kibana 的所有查询都从这张表出发。这一篇进入查询翻译层。查询翻译容易被误解成"KQL 就是 Elasticsearch 的查询语言"。更准确的说法是：KQL 是 Kibana 自己定义的语法，它在客户端被解析成 AST，再翻译成 Elasticsearch Query DSL 的 JSON，然后通过 Search Source 这个内部查询构建器统一组装后发给 ES。本文只抓一个问题：三种查询语法怎么翻译到底层 DSL，过滤器 pin 与 negate 发生在哪一层，查询上下文与过滤上下文的区别对最终结果有什么影响。

翻译管道全局模型

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
用户输入层
  ├── KQL (Kibana Query Language)    e.g. status:200 AND method:GET
  ├── Lucene query string            e.g. status:200 AND method:GET  (相同写法, 不同解析器)
  └── 过滤器 pills                   点击字段值产生, 可 pin / negate / disable

         │ 解析
         ▼
AST (抽象语法树, 仅 KQL 路径)
  ├── Comparison node { field: status, op: eq, value: 200 }
  └── Comparison node { field: method, op: eq, value: GET }

         │ 翻译
         ▼
Query DSL 片段
  ├── KQL 路径  → bool.filter[].term / match_phrase / range
  ├── Lucene 路径 → bool.must[].query_string { query: "..." }
  └── 过滤器 pills → bool.filter[] 各自独立

         │ 组装 (Search Source)
         ▼
Search Source 对象 (内部状态)
  ├── query        { query: DSL片段, language: kql | lucene }
  ├── filters[]    过滤器数组, 每条带 meta { negate, disabled, pinned }
  ├── aggs         可选聚合定义
  └── _source / fields / sort / size / ...

         │ 序列化
         ▼
ES /_search 请求体 (JSON)
  bool
  ├── must/filter  来自 query + filters
  ├── must_not     来自 negate 过滤器
  └── should       (极少, 仅特殊查询模式)

KQL 语法与 AST

KQL 是自 Kibana 6.3 起引入的 Kibana 专有语法，目标是在不暴露 Query DSL 细节的前提下提供常用过滤能力。

基本字段匹配语法：

1
2
3
4
5
status:200                    → term query on status
status:2*                     → wildcard query
message:"connection refused"  → match_phrase query
bytes:>1024                   → range query (gt: 1024)
bytes:[1024 TO 2048]          → range query (gte: 1024, lte: 2048)

逻辑组合（AND / OR / NOT 均大写，是 KQL 关键字）：

1
2
3
4
status:200 AND method:GET
status:200 OR status:201
NOT status:5*
(status:200 OR status:201) AND method:POST

嵌套字段（针对 object / nested 类型字段）：

1
2
user.name:alice
tags:{ label:error AND severity:high }   → nested query with path

KQL 对比 Lucene query string 的关键差异：KQL 是结构化解析，每一个 token 都知道自己对应的 ES 字段和操作符；Lucene query string 直接把整个字符串当成 query_string 参数传给 ES，由 ES 内部的 Lucene 解析器处理。实践效果相近，但 Lucene 路径下的 * 会扩展成所有字段的通配，行为更难预测；KQL 把这个扩展限定在已知字段范围内。

Search Source：查询构建器对象

Search Source 是 Kibana 服务端和前端共用的一个内部对象（@kbn/data-plugin 里的 SearchSource 类），作用是把若干来源的查询片段合并成一个合法的 ES 请求体。

对象的核心字段：

1
2
3
4
5
6
7
8
9
10
11
12
SearchSource {
  index         Data View 对象 (决定查哪个索引)
  query         { query: <kql/lucene string>, language: 'kuery'|'lucene' }
  filters[]     [ FilterMeta + DSL片段 ]
  aggs          ES aggregations 定义
  size          返回文档数
  sort          排序字段
  fields[]      返回字段列表
  _source       _source include/exclude
  searchAfter   翻页游标 (search_after)
  trackTotalHits 是否精确计数
}

Search Source 支持父子继承：一个子 Search Source 可以 inherit 父对象的字段，自身只覆盖差异部分。Discover 里主查询和直方图子查询之间就用这种继承关系共享 Data View、query、filters，只在 aggs 和 size 上各自独立。

过滤器 pills：pin、negate、disable

Discover 搜索栏下方的每一个过滤器 pill 不只是 DSL 片段，还附带一段 meta 控制它如何参与查询：

1
2
3
4
5
6
7
8
9
10
11
12
Filter {
  meta {
    index      Data View id (过滤器绑定到哪个 Data View)
    negate     false / true   (正向 / 取反，映射到 bool.filter / bool.must_not)
    disabled   false / true   (是否暂时跳过)
    pinned     false / true   (是否固定到所有 Data View，而非当前 Data View)
    type       'phrase' | 'phrases' | 'range' | 'exists' | 'query_string' | 'custom'
    key        字段名 (用于展示 pill 标签)
    value      展示用的值字符串
  }
  query  { 实际 DSL 片段 }
}

negate 影响 bool 子句的槽位：普通过滤器进 bool.filter，negate 过滤器进 bool.must_not。

pin 的语义：pinned 过滤器跟随用户在 Data View 之间切换，不会随切换消失；非 pinned 过滤器绑定当前 Data View，切走后自动清除。

disable 的语义：disabled 过滤器在序列化时被跳过，但保留在 UI 状态里，随时可以重新启用。

查询上下文 vs 过滤上下文

这个区别在 ES 层面，但直接影响 KQL 的翻译结果。

查询上下文（bool.must，bool.should）：ES 计算相关性评分（_score），文档按分值排序，用于全文检索场景。

过滤上下文（bool.filter，bool.must_not）：ES 不计算评分，只做是/否判断，结果可缓存，性能更好。用于结构化过滤场景。

KQL 的翻译策略：KQL 把所有条件翻译成 bool.filter，不参与评分，这是有意为之——日志和指标场景不需要相关性排序，只需要精确过滤，filter 上下文性能更优。时间范围也作为 filter 自动附加。

Lucene query string 路径则走 bool.must[query_string]，属于查询上下文，会影响评分。在 Kibana 里通常感知不到差异（因为 Kibana 默认按时间排序而非分值排序），但了解这个差异有助于调试 explain API 的输出。

时间范围的隐式过滤

Discover 和 Dashboard 上的时间选择器（Time Picker）生成的时间范围，不是通过搜索框写入的，而是 Search Source 在序列化时自动附加的一条 range filter：

1
2
3
4
5
6
7
8
9
{
  "range": {
    "@timestamp": {
      "gte": "2026-08-05T00:00:00Z",
      "lte": "2026-08-06T00:00:00Z",
      "format": "strict_date_optional_time"
    }
  }
}

这条 filter 和过滤器 pills 里的其他 filter 一起进入 bool.filter。时间范围作为 filter 而非 must，是 KQL 翻译策略的延伸——时间是典型的结构化过滤，不应影响相关性评分，也适合 filter cache。

实验：用 Inspect 面板捕获 Query DSL

以下步骤在任意 Kibana 实例（自 Kibana 7.x 起有效，8.x 默认启用 Inspect）上可执行：

  1. 打开 Discover，确认已选择一个 Data View。

  2. 在搜索栏输入 KQL 查询：

    1
    status:200 AND method:GET

  3. 点击搜索栏右侧的 Inspect 按钮（放大镜图标），打开 Inspect 面板，切换到 “Requests” 标签。

  4. 找到名为 “Documents” 的请求，展开 “Request” 部分，可以看到实际发往 ES 的请求体。预期结构如下：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    {
      "query": {
        "bool": {
          "must": [],
          "filter": [
            { "match_phrase": { "method": "GET" } },
            { "term": { "status": 200 } },
            { "range": { "@timestamp": { "gte": "...", "lte": "..." } } }
          ],
          "should": [],
          "must_not": []
        }
      }
    }

  5. 在过滤器 pills 区域右键一个 pill，选择 “Exclude results”（即 negate），再次查看 Inspect 请求体，确认该 pill 对应的 DSL 片段从 filter 移入了 must_not。

  6. 切换搜索语言为 Lucene（点击搜索栏左侧的 KQL 标签可切换），保持相同的查询文本，再次捕获请求体。对比 KQL 路径（bool.filter[term]）和 Lucene 路径（bool.must[query_string]）的差异。

翻译结果对照表

KQL 片段 翻译后 DSL bool 槽位
status:200 term: { status: 200 } filter
message:"timeout" match_phrase: { message: "timeout" } filter
bytes:>1024 range: { bytes: { gt: 1024 } } filter
status:2* wildcard: { status: "2*" } filter
NOT status:500 (negate pill) term: { status: 500 } must_not
时间范围 range: { @timestamp: {...} } filter
Lucene status:200 query_string: { query: "status:200" } must

模式提炼

1
2
3
4
5
6
7
8
模式：在用户输入层和存储查询层之间插入查询语言 + 翻译层

- 用户面对的是领域友好的语法 (KQL / Lucene)
- 底层统一用存储的原生查询语言 (ES Query DSL)
- 翻译层做结构保证：确保所有过滤走 filter context，享受 cache 红利
- 过滤器 pill 的元信息 (negate / pin / disable) 是查询状态机的一部分，
  不是 UI 装饰，它们直接决定 DSL 的 bool 子句分配
- Search Source 是查询状态的单一出口，防止翻译逻辑散落各处

工程迁移表

Kibana 概念 工程类比
KQL → AST → Query DSL GraphQL → AST → SQL / 存储查询
Search Source 对象 ORM QueryBuilder (Hibernate Criteria, Django ORM)
过滤器 negate SQL NOT IN / WHERE NOT
过滤器 disabled Query builder 中临时注释掉的条件
filter context vs query context SQL WHERE (无评分) vs 全文检索评分字段
Lucene query string 路径 ORM 的 raw SQL escape-hatch
时间范围自动附加 filter 多租户系统自动附加 tenant_id filter
Grafana query editor → datasource query 与 KQL → Query DSL 同构，仅目标查询语言不同

常见误解

误解一：“KQL 是 Elasticsearch 的原生查询语言”。KQL 是 Kibana 层定义的语法，ES 内部完全不知道 KQL 的存在，它只看到最终的 Query DSL JSON。另一种有时被混淆的是 EQL（Event Query Language），EQL 是 ES 原生支持的事件序列查询语言，针对时序事件关联分析，走 /_eql/search 端点，与 KQL 的应用场景和翻译机制完全不同。

误解二：“KQL 和 Lucene 查询结果相同，只是语法不同”。语法上很多写法相同，但翻译后的 DSL 结构不同：KQL 走 filter context，Lucene 走 query context。在纯过滤场景（日志查询）下结果集相同，但评分行为和缓存效率不同。Lucene 路径的 * 通配也更激进。

误解三：“过滤器 pill 就是搜索框里写的条件”。两者都进入最终的 bool.filter，但来源和状态机不同。搜索框内容走 KQL/Lucene 翻译管道，存在 Search Source 的 query 字段；过滤器 pill 存在 filters[] 数组，每条有独立的 meta（negate/disable/pin）。这个区别在保存 Saved Search 时很重要：两者都会保存进 Saved Object，加载时也各自还原。

误解四：“时间选择器是独立的，不影响查询”。时间选择器产生的时间范围在 Search Source 序列化时作为一条 range filter 附加进 bool.filter，和用户手动加的 pill 是同一类型的过滤器，会被计入 filter cache，也会出现在 Inspect 面板里。

练习

  1. 在 Discover 里分别用 KQL 和 Lucene 写同一个条件（如 status:200），打开 Inspect 对比两条请求的 query.bool 结构——确认 KQL 结果在 filter[]，Lucene 结果在 must[]。

  2. 手动添加一个过滤器 pill（点击字段值），再把它设为 negate，再设为 disable，每次操作后打开 Inspect 观察请求体变化——验证三种状态对应的 DSL 位置分别是 filter、must_not、缺席。

  3. 思考题：Search Source 的父子继承模式（Discover 主查询继承到直方图子查询）和 CSS 的层叠继承、ORM 的 scope 链有什么结构上的相似？在其他查询构建器场景里，哪些条件适合放在父级（全局 filter），哪些放在子级（局部 aggs 参数）？

系列导航

序号 主题 状态
00 导读：Kibana 的状态存在 Elasticsearch 里 已发布
01 Kibana 架构：浏览器、Node.js server 与 New Platform
02 Saved Object：Kibana 一切状态的统一模型
03 Data View（Index Pattern）：查询之前的字段抽象
04 Search Source 与查询翻译：KQL、Lucene 与 Query DSL 本篇
05 Discover：交互式检索的执行模型 下一篇
06 聚合式可视化的老路：Visualize 与 bucket/metric
07-09 Lens / TSVB / Dashboard 后续阶段
10-12 告警、上报与自动化 后续阶段
13-15 平台、安全与扩展 后续阶段
16-17 演进、生态与对比 后续阶段

参考资料