面试题：ElasticSearch近实时搜索应用场景拓展之电商场景

Question

在电商应用中，如何利用ElasticSearch的近实时搜索特性来优化商品搜索体验，列举至少三种具体的优化方式，并说明其原理。

Answer 1

1. 减少索引刷新间隔
   • 原理：ElasticSearch 默认每隔1秒刷新一次索引（refresh interval），将内存中的数据写入磁盘，使其可被搜索。缩短这个间隔能更快让新数据可搜索，但会增加 I/O 开销。例如从默认的1秒缩短到0.5秒，可更快地将新上架商品或修改后的商品信息更新到索引中供搜索。
2. 使用 percolator 预索引查询
   • 原理：在 ElasticSearch 中，percolator 允许将查询语句预先存储在索引中。当有新文档（商品数据）进来时，会与这些预存的查询进行匹配。对于电商应用，可将热门搜索词对应的查询语句预存，新商品上架时快速判断是否匹配热门搜索，提高搜索响应速度。比如预存 “手机”“电脑” 等热门商品关键词的查询，新的手机或电脑商品上架能迅速被匹配到相关搜索结果中。
3. 采用多副本与分片策略
   • 原理：通过合理设置分片和副本数量，可利用 ElasticSearch 的分布式特性。分片将数据分散存储在不同节点，副本用于冗余和提高可用性。在电商搜索场景下，适当增加分片数量能并行处理更多搜索请求，提高搜索效率。例如根据商品类别设置多个分片，不同类别的商品搜索可并行处理。副本则在部分节点故障时保证搜索服务的可用性，同时也可用于分担读请求，优化搜索体验。
4. 利用过滤器缓存
   • 原理：ElasticSearch 支持缓存过滤器结果。在电商搜索中，常见的过滤条件如价格范围、品牌等，这些过滤条件相对固定且重复使用概率高。启用过滤器缓存后，相同过滤条件的搜索请求无需重复计算，直接从缓存获取结果，大大提高搜索速度。比如多次搜索价格在100 - 200元区间的商品，首次计算过滤结果后缓存，后续相同过滤条件的搜索可直接用缓存结果。