面试题：ElasticSearch复杂查询中post_filter与query的优化策略

Question

假设在一个包含大量文档的ElasticSearch索引中，需要执行一个复杂查询，其中同时使用post_filter与query，如既要筛选出特定分类下的文档，又要根据文档的多个字段进行相关性评分排序。请描述如何对这种查询进行优化，以提高查询性能，并说明post_filter与query的使用顺序对性能的影响。

Answer 1

优化查询性能的方法

1. 字段映射优化：
   • 确保相关字段使用合适的数据类型。例如，对于数字类型，选择合适的整数或浮点数类型，避免使用文本类型存储数字，以减少不必要的分析过程。
   • 对不需要进行全文搜索的字段，设置 index: false，这样可以减少索引大小，提高查询性能。
2. 索引优化：
   • 合理设置分片数和副本数。分片数过多会增加查询时的协调开销，过少则可能影响查询并行度。副本数主要用于高可用性和读性能，根据实际读负载调整副本数量。
   • 定期优化索引，例如合并小的段，以减少索引的碎片化程度，提高查询性能。
3. 缓存使用：
   • 使用 Elasticsearch 的查询缓存。可以通过设置 index.queries.cache.enable: true 开启查询缓存，缓存经常使用的查询结果，减少重复查询的开销。
   • 应用层也可以实现缓存机制，缓存 Elasticsearch 的查询结果，对于短时间内频繁的相同查询，直接从应用层缓存获取结果。
4. 查询语句优化：
   • 减少不必要的字段检索。只请求需要的字段，使用 _source 字段过滤，避免返回整个文档，减少网络传输和处理开销。
   • 合理使用布尔查询（bool）的 must、should、filter 子句。对于必须满足的条件放在 must 中，提高相关性评分；对于过滤条件放在 filter 中，不参与评分，以提高查询效率。

post_filter 与 query 使用顺序对性能的影响

1. 先 query 后 post_filter：
   • query 部分用于计算相关性分数并返回最相关的文档集，这个过程会对文档进行评分和排序，开销相对较大。
   • post_filter 在 query 筛选出结果后再进行过滤，它不影响相关性评分，只是进一步缩小结果集。所以先 query 后 post_filter 适用于需要精确相关性评分且后续过滤条件相对简单的场景。这样可以先通过 query 快速定位到最相关的文档，再用 post_filter 进行补充过滤，能充分利用 query 的评分机制，同时减少不必要的文档处理。
2. 先 post_filter 后 query：
   • 先使用 post_filter 可以快速过滤掉大量不相关的文档，减少后续 query 需要处理的文档数量，从而降低 query 的计算量。
   • 但这种方式可能会导致最终结果的相关性评分不够精确，因为 post_filter 先过滤掉了部分可能影响评分的文档。所以先 post_filter 后 query 适用于过滤条件能大幅减少文档集且对相关性评分精度要求不高的场景，能够显著提高整体查询性能。

一般情况下，如果过滤条件能大幅减少文档集且对评分精度要求不是极高，优先考虑先 post_filter；如果对相关性评分要求严格，先 query 后 post_filter 更合适。在实际应用中，可以通过性能测试来确定哪种顺序更优。