Search 執行
Search
執行時分為 Query
和 Fetch
兩個階段。
Query 階段
coordinating node
接受請求后在所有主副分片中隨機選擇shard
數個分片發送search
請求。被選中的分片會分別執行請求并排序,返回
from + size
個文檔id
和排序值給coordinating node
。
Fetch 階段
-
coordinating node
獲取到文檔id
后向相關分片發送multi_get
請求。 - 各分片返回文檔給
coordinating node
。 -
coordinating node
將排序和分頁后的結果返回給客戶端。
相關性算分
es
的每個 shard
對應一個 lucene index
,即一個獨立的算分單位。當設置多個分片時,查詢的文檔在不同分片上會分別計算相關性得分,可能會導致最終的得分是不準的。es
提供參數 search_type=dfs_query_then_fetch
使得 es
能夠在獲得所有文檔后重新計算相關性得分,此種方式會消耗較多 cpu
和內存。
GET /test/_search?search_type=dfs_query_then_fetch
排序
sort
參數用于指定排序的字段和方式。_doc
排序使用文檔內部 id
,即使用索引順序作為排序規則。
GET /test/_search
{
"sort": [
{
"age": {
"order": "desc"
}
},
{
"_doc": {
"order": "desc"
}
}
]
}
doc values 與 fielddata
es
不允許直接對 text
類型字段進行排序。由于排序是使用的是文檔內容,無法用到倒排索引,而是需要通過文檔 id
獲取文檔字段的原始內容。es
對此提供兩種實現方式
doc values
es
中除了 text
字段(不支持)都默認開啟了doc values
,其在寫入文檔時與倒排索引一起生成并寫入磁盤,其結構為文檔 id
到文檔指定字段的 value
。這樣在聚合分析時就不會占用內存,但是索引時會減慢索引的速度,占用額外的磁盤資源。如果一個字段明確不會被聚合分析,可以在 mapping
中通過 doc_values
參數關閉:
PUT /test
{
"mappings": {
"properties": {
"hobby": {
"type": "keyword",
"doc_values": false
}
}
}
}
fielddata
doc values
是不支持對 text
類型使用的,如果需要對能夠分詞的 text
類型進行排序,就需要使用 fielddata
。fielddata
在搜索時于內存中創建,其不會額外占用磁盤資源,但是當文檔較多時即時創建會花費過多時間、占用較多內存。fielddata
默認時關閉的,可以通過修改 mapping
的 fielddata
參數使得字段的 fielddata
特性立即可用:
PUT /test
{
"mappings": {
"properties": {
"hobby": {
"type": "text",
"fielddata": true
}
}
}
}
使用 fielddata
不代表能夠真正對 text
類型的值進行排序,其結果為文檔 id
到每個分詞,即僅支持對分詞結果的一部分進行排序。
GET /test/_search
{
"sort": [
{
"hobby": {
"order": "desc"
}
}
]
}
// ...
"hits" : [
{
"_index" : "test2",
"_type" : "_doc",
"_id" : "myi4Bm8BVyg6ro4E7nPl",
"_score" : null,
"_source" : {
"hobby" : "play games"
},
"sort" : [
"play"
]
}
]
// ...
fielddata
會首先對分詞結果進行排序,來選擇用作文檔排序的詞,召回結果中會通過 sort
字段說明用作排序的詞。
docvalues_fields
使用 docvalue_fields
參數可以指定召回 fielddata
或 doc values
存儲的值:
GET /test2/_search
{
"docvalue_fields": [
"hobby"
]
}
// ...
"hits" : [
{
"_index" : "test2",
"_type" : "_doc",
"_id" : "myi4Bm8BVyg6ro4E7nPl",
"_score" : 1.0,
"_source" : {
"hobby" : "play games"
},
"fields" : {
"hobby" : [
"games",
"play"
]
}
}
]
// ...
深度分頁
es
提供 from
、size
來指定分頁,但是每次執行分頁并非直接獲取 size
個數據,而是從每個分片獲取 from+size
個數據后再排序選取。頁數越深,占用的內存越多,耗時越長。es
通過 index.max_result_window
限定最多取 10000
數據。
scroll
es
提供 scroll
用來生成數據快照。當使用 scroll
請求返回單頁結果時,可以檢索出大量結果(甚至全部)生成快照。請求結果返回 _scroll_id
是進行下一頁查詢的參數,通過 scroll
可以完成對快照的遍歷。
指定使用 scroll
即其保留的時間,如 1m
代表快照保留一分鐘。
GET /test/_search?scroll=1m
{
"size": 2
}
{
"_scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAB_2MWbmFUODhqSGVRZldTQzk4OTRQaUVvdw==",
// ...
}
使用返回的 _scroll_id
作為參數進行下一次迭代,直到返回的結果為空:
GET /_search/scroll
{
"scroll": "1m",
"scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAB_2MWbmFUODhqSGVRZldTQzk4OTRQaUVvdw=="
}
scroll
生成的是一份數據快照,因此不能用作實時搜索,盡量只使用 _doc
排序的方式。scroll
會占用內存,可以選擇刪除 scroll
:
// 指定刪除 scroll
DELETE /_search/scroll
{
"scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAACABAWbmFUODhqSGVRZldTQzk4OTRQaUVvdw=="
}
// 刪除所有 scroll
DELETE /_search/scroll/_all
search after
search after
是通過前次查詢指定的排序值對當前查詢進行定位,使得各分片返回的文檔數控制在 size
個內。search after
是實時的,使用的排序值必須能夠唯一排序定位,不支持通過 from
參數指定查詢頁數,并且只能往后翻頁。
GET /test/_search
{
"size": 1,
"sort": [
{
"_id": {
"order": "desc"
}
}
]
}
// ...
"hits" : [
// ...
"sort" : [
"rCdxA28BVyg6ro4EWU8p"
]
// ...
使用上次返回結果的排序定位值指定 search_after
參數:
GET /test/_search
{
"size": 1,
"sort": [
{
"_id": {
"order": "desc"
}
}
],
"search_after": [
"rCdxA28BVyg6ro4EWU8p"
]
}