官方文件是这么说的:

作为一般规则，应该使用过滤器而不是查询: 用于二进制是/否搜索 用于查询确切的值

作为一般规则，应该使用查询而不是过滤器: 全文检索 结果取决于相关性评分

除此之外，很少有其他的。 首先应用筛选器，然后对其结果处理查询。为了存储每个文档的二进制真/假匹配，使用了bitSet数组。 这个BitSet数组在内存中，它将在第二次查询过滤器时使用。这样，使用bitset数组数据结构，我们就能够利用缓存的结果。

这里还有一点需要注意，过滤器缓存仅在执行请求时创建，因此只有从第二次命中开始，我们才真正获得缓存的优势。

但你可以使用更温暖的API来解决这个问题。当你在一个更温暖的API上用过滤器注册一个查询时，它将确保在一个新的段出现时对它执行。因此，我们将从第一次执行本身获得一致的速度。

区别很简单:过滤器被缓存，不影响分数，因此比查询快。看看这里。假设一个查询通常是用户键入的并且几乎不可预测的，而过滤器帮助用户缩小搜索结果，例如使用facet。

官方文件是这么说的:

作为一般规则，应该使用过滤器而不是查询: 用于二进制是/否搜索 用于查询确切的值

作为一般规则，应该使用查询而不是过滤器: 全文检索 结果取决于相关性评分

过滤器->这个文档匹配吗?是或否的二元答案

查询->这个文档匹配吗?匹配度如何?使用得分

基本上，当您想要使用评分对文档执行搜索时，将使用查询。 过滤器用于缩小使用查询获得的结果集。过滤器是布尔型的。

例如，假设您有一个餐馆索引，例如zomato。 现在你想搜索提供“披萨”的餐厅，这基本上就是你的搜索关键词。

因此，您将使用查询来查找所有包含“pizza”的文档，并将获得一些结果。

假设现在你想要一个提供披萨且评分至少为4.0的餐厅名单。

所以你要做的就是在你的查询中使用关键字“比萨饼”，并应用过滤器评级为4.0。

实际情况是，过滤器通常应用于通过查询索引获得的结果。