title: ElasticSearch之深度应用及原理剖析author: Xonitags:
- 搜索引擎
- Elasticsearchcategories:
- 搜索引擎
- Elasticsearchabbrlink: 5a1f6e0b
2.0之前四种 QUERY_AND_FETCH, DFS_QUERY_AND_FETCH, QUERY_THEN_FETCH,DFS_QUERY_THEN_FETCH2.0版本之后 只有两种了。
public enum SearchType {
DFS_QUERY_THEN_FETCH((byte)0),
QUERY_THEN_FETCH((byte)1);
public static final SearchType DEFAULT = QUERY_THEN_FETCH;
public static final SearchType[] CURRENTLY_SUPPORTED = new SearchType[] {
QUERY_THEN_FETCH, DFS_QUERY_THEN_FETCH
};
}
可以通过java的API 设置
SearchRequest searchRequest = new SearchRequest(POSITION_INDEX);
searchRequest.setSearchType(SearchType.DFS_QUERY_THEN_FETCH)
向索引的所有分片 （ shard）都发出查询请求， 各分片返回的时候把元素文档 （ document）和计算后的排名信息一起返回。这种搜索方式是最快的。优点：这种搜索方式是最快的。因为相比后面的几种es的搜索方式，这种查询方法只需要去shard查询一次。缺点：返回的数据量不准确， 可能返回(N*分片数量)的数据并且数据排名也不准确，同时各个shard返回的结果的数量之和可能是用户要求的size的n倍。
2) DFS query and fetch这个D是Distributed，F是frequency的缩写，至于S是Scatter的缩写，整个DFS是分布式词频率和文档频率散发的缩写。 DFS 其实就是在进行真正的查询之前， 先把各个分片的词频率和文档频率收集一下， 然后进行词搜索的时候， 各分片依据全局的词频率和文档频率进行搜索和排名。这种方式比第一种方式多了一个 DFS 步骤(初始化散发(initial scatter))，可以更精确控制搜索打分和排名。也就是在进行查询之前，先对所有分片发送请求， 把所有分片中的词频和文档频率等打分依据全部汇总到一块，再执行后面的操作。
优点：数据排名准确**缺点：**性能一般返回的数据量不准确， 可能返回(N*分片数量)的数据
3) query then fetch（es 默认的搜索方式）如果你搜索时， 没有指定搜索方式， 默认使用的这种搜索方式。 这种搜索方式， 大概分两个步骤：第一步， 先向所有的 shard 发出请求， 各分片只返回文档 id(注意， 不包括文档 document)和排名相关的信息(也就是文档对应的分值)， 然后按照各分片返回的文档的分数进行重新排序和排名， 取前size 个文档。第二步， 根据文档 id 去相关的 shard 取 document。 这种方式返回的 document 数量与用户要求的大小是相等的。
详细过程:1.发送查询到每个shard 2.找到所有匹配的文档，并使用本地的Term/Document Frequency信息进行打分 3.对结果构建一个优先队列（排序，标页等） 4.返回关于结果的元数据到请求节点。注意，实际文档还没有发送，只是分数5.来自所有shard的分数合并起来，并在请求节点上进行排序，文档被按照查询要求进行选择 6.最终，实际文档从他们各自所在的独立的shard上检索出来7.结果被返回给用户
优点：返回的数据量是准确的。缺点：性能一般，并且数据排名不准确。
4) DFS query then fetch比第 3 种方式多了一个 DFS 步骤。也就是在进行查询之前， 先对所有分片发送请求， 把所有分片中的词频和文档频率等打分依据全部汇总到一块， 再执行后面的操作。
详细步骤:1.预查询每个shard，询问Term和Document frequency2.发送查询到每个shard3.找到所有匹配的文档，并使用全局的Term/Document Frequency信息进行打分4.对结果构建一个优先队列（排序，标页等）5.返回关于结果的元数据到请求节点。注意，实际文档还没有发送，只是分数6.来自所有shard的分数合并起来，并在请求节点上进行排序，文档被按照查询要求进行选择7.最终，实际文档从他们各自所在的独立的shard上检索出来8.结果被返回给用户
优点：
- 返回的数据量是准确的
- 数据排名准确
缺点：
- 性能最差【 这个最差只是表示在这四种查询方式中性能最慢， 也不至于不能忍受。如果对查询性能要求不是非常高， 而对查询准确度要求比较高的时候可以考虑这个】
