2_ElatisSearch filter执行原理 bitset机制与caching机制
更多干货
- 分布式实战(干货)
- spring cloud 实战(干货)
- mybatis 实战(干货)
- spring boot 实战(干货)
- React 入门实战(干货)
- 构建中小型互联网企业架构(干货)
- python 学习持续更新
1、倒排索引
在倒排索引中查找搜索串,获取document list
- 用时间类型date作为filter来举例, filter:2017-02-02
- 例子一:倒排索引如下:
word doc1 doc2 doc3
2017-01-01 * *
2017-02-02 * *
2017-03-03 * * *
到倒排索引中一找,发现2017-02-02对应的document list是doc2,doc3
2、构建一个bitset
为每个在倒排索引中搜索到的结果,构建一个bitset
- 其中个bitset 如下,其中0表示未匹配,1 表示匹配
[0, 1, 1]
- 使用找到的doc list,构建一个bitset,就是一个二进制的数组,数组每个元素都是0或1,用来标识一个doc对一个filter条件是否匹配,如果匹配就是1,不匹配就是0
- 例子一中的bitset结果:[0, 1, 1]
- doc1:不匹配这个filter的* doc2和do3:是匹配这个filter的
- 尽可能用简单的数据结构去实现复杂的功能,可以节省内存空间,提升性能
3、过滤bitset
遍历每个过滤条件对应的bitset,优先从最稀疏的开始搜索,查找满足所有条件的document
- 一次性可以在一个search请求中,发出多个filter条件,每个filter条件都会对应一个bitset
- 遍历每个filter条件对应的bitset,先从最稀疏的开始遍历
[0, 0, 0, 1, 0, 0]:比较稀疏
[0, 1, 0, 1, 0, 1]
- 先遍历比较稀疏的bitset,就可以先过滤掉尽可能多的数据
- 遍历所有的bitset,找到匹配所有filter条件的doc
- 请求:filter,postDate=2017-01-01,userID=1
postDate: [0, 0, 1, 1, 0, 0]
userID: [0, 1, 0, 1, 0, 1]
- 遍历完两个bitset之后,找到的匹配所有条件的doc,就是doc4
- 就可以将document作为结果返回给client了
4、caching bitset
caching bitset,跟踪query,在最近256个query中超过一定次数的过滤条件,缓存其bitset。对于小segment(<1000条,或<3%),不缓存bitset。
- 比如postDate=2017-01-01,[0, 0, 1, 1, 0, 0],可以缓存在内存中,这样下次如果再有这个条件过来的时候,就不用重新扫描倒排索引,反复生成bitset,可以大幅度提升性能。
- 在最近的256个filter中,有某个filter超过了一定的次数,次数不固定,就会自动缓存这个filter对应的bitset
- segment,filter针对小segment获取到的结果,可以不缓存,segment记录数<1000,或者segment大小<index总大小的3%
- segment数据量很小,此时哪怕是扫描也很快;segment会在后台自动合并,小segment很快就会跟其他小segment合并成大segment,此时就缓存也没有什么意义,segment很快就消失了。针对一个小segment的bitset,[0, 0, 1, 0]
- filter比query的好处就在于会caching,但是之前不知道caching的是什么东西,实际上并不是一个filter返回的完整的doc list数据结果。而是filter bitset缓存起来。下次不用扫描倒排索引了。
5、
filter大部分情况下来说,在query之前执行,先尽量过滤掉尽可能多的数据
- query:是会计算doc对搜索条件的relevance score,还会根据这个score去排序
- filter:只是简单过滤出想要的数据,不计算relevance score,也不排序
6、
如果document有新增或修改,那么cached bitset会被自动更新
postDate=2017-01-01,[0, 0, 1, 0]
document,id=5,postDate=2017-01-01,会自动更新到postDate=2017-01-01这个filter的bitset中,全自动,缓存会自动更新。postDate=2017-01-01的bitset,[0, 0, 1, 0, 1]
document,id=1,postDate=2016-12-30,修改为postDate-2017-01-01,此时也会自动更新bitset,[1, 0, 1, 0, 1]
7、
以后只要是有相同的filter条件的,会直接来使用这个过滤条件对应的cached bitset