面试题：ElasticSearch近实时搜索缓存优化之缓存策略基础

Question

在ElasticSearch近实时搜索中，常见的缓存优化策略有哪些？请简要阐述每种策略的原理和适用场景。

Answer 1

1. 文档缓存

• 原理：将经常查询的文档直接缓存起来，当再次请求相同文档时，可直接从缓存获取，无需再次从 ElasticSearch 索引中检索。
• 适用场景：适用于文档更新频率较低，且对特定文档的查询频率非常高的场景，如一些基础信息类文档，像产品介绍、公司基本信息等。

2. 结果集缓存

• 原理：缓存查询返回的结果集。当相同查询再次发起时，直接返回缓存中的结果，避免重复执行查询和计算。
• 适用场景：适用于查询条件固定，查询结果相对稳定的场景，例如一些固定报表类的查询，其查询参数和逻辑不变，结果短期内不会改变。

3. 分片级缓存

• 原理：在 ElasticSearch 的分片级别进行缓存，每个分片维护自己的缓存。查询时，首先检查分片缓存中是否有对应数据，有则直接返回。
• 适用场景：适用于集群环境下，各分片数据访问相对独立且有一定重复查询的场景，有助于减少跨分片的数据检索，提高查询效率。

4. 预热缓存

• 原理：在系统启动或特定时机，主动将一些热点数据预先加载到缓存中，使得后续实际查询时能直接从缓存获取数据。
• 适用场景：适用于有明显热点数据模式，且可以预先知道哪些数据会被频繁访问的场景，比如电商平台每天固定时段的热门商品查询，可在营业前预热热门商品数据。