Elasticsearch 中的搜索类型

Posted 2023-03-09

参考技术A

在执行分布式搜索时存在不同的集中执行路径。分布式搜索的操作需要被分发在所有相关的shard上，然后将所有的结果汇集返回。在进行分发和汇集的过程中，特别是通过搜索引擎中可以有好几种方式完成。
在执行分布式搜索时，一个问题就是从每个shard中检索出来多少结果。例如，如果我们有10个shard，第一个shard可能包含最相关的结果，而其他shard的结果排名都比较靠后。这种情况下，在执行请求时，我们需要从所有的shard中获得从0到10的结果，排序，然后返回最终正确的结果。
另一问题，则与搜索引擎有关，就是每个shard都代表着自己。在一个特定的shard上执行查询时，并不会考虑项的频率和来自其他shard的搜索引擎信息。如果我们希望支持精准的排序，我们必须首先汇集来自所有shard的项的频率来计算全局的项频率，然后在每个shard上使用这些全局频率信息执行查询。
同样，由于对结果排序的需要，返回一个巨大的文档集合，或者甚至进行翻页，保存正确的排序的代价太大。对于大结果集合的不排序滚动，可以通过 scan 这一搜索类型完成。
elasticsearch 非常灵活，支持不同的搜索类型基于 per search request 来执行。这个类型可以通过 search_type 这个参数进行设置。存在以下的类型：

参数值： query_then_fetch

这个请求分两步进行。第一步，查询转发到所有关联的shard上。每个shard执行该搜索请求并产生一个局部的排序的结果列表。每个shard返回足够的新给负责协调的节点从而进行合并和重排shard层面的结果得到最终排序的结果集合，最大长度由参数 size 确定。
在第二步，协调节点仅从相关shard上请求文档内容（和高亮部分，如果有的话）。

参数值： dfs_query_then_fetch

除了在初始的分发步计算分布式的项频率更为精准外，其他与 Query Then Fetch 相同。

参数值： count
特定的搜素类型可以返回匹配搜索请求的文档数目，但不会包含任何的文档在 total_hits 中，也可能会包含facet。这个比 count API更加有用，可以有更多的选项可以控制行为。

参数值： scan

scan 搜索类型关闭了排序的功能，保持在大规模结果集合上的高效滚动。参见 Efficient scrolling with Scroll-Scan 。

参数值：query_and_fetch

该模式是内部优化，当一个query_then_fetch请求单一的shard时自动选择。query_then_fetch的两步在一个单一的步骤内完成。这个模式不应由用户显式指定。

参数值：dfs_query_and_fetch

除了对一个初始分发过程，计算分布式项频率更加准确外，该类型和 query_and_fetch 相同。这个模式不应由用户显式指定。