1. 使用_search API的size参数限制返回结果数量
- 实现方式：在
_search请求中设置size参数，指定返回的文档数量。例如：
{
"query": {
"match_all": {}
},
"size": 10
}
- 适用场景：
- 数据量：适用于数据量较大，但只需要获取少量代表性结果的场景。比如在一个拥有百万条商品记录的电商系统中，首页展示热门商品，只需要返回前10条热门商品信息，此时设置
size为10即可。
- 查询复杂度：查询复杂度相对较低，主要关注的是获取部分结果而不是全部结果。如简单的全匹配查询并限制返回数量。
2. 使用_search API的from和size参数进行分页
- 实现方式：
from参数指定从结果集的第几条文档开始返回，size指定返回的文档数量。例如，要获取第11 - 20条文档：
{
"query": {
"match_all": {}
},
"from": 10,
"size": 10
}
- 适用场景：
- 数据量：当数据量非常大，需要分批次展示数据时使用。像新闻网站的文章列表，可能有几万条新闻，每次页面展示10条，通过调整
from和size的值来实现分页展示。
- 查询复杂度：查询复杂度适中，适用于一般性的查询分页场景。对于复杂查询，在数据量极大时，可能因深度分页问题导致性能下降。
3. 使用source过滤只返回特定字段
- 实现方式：在
_search请求中使用_source参数指定需要返回的字段。例如，只返回商品的name和price字段：
{
"query": {
"match_all": {}
},
"_source": ["name", "price"]
}
- 适用场景：
- 数据量：无论数据量大小都适用。特别是在文档字段较多且包含大文本字段（如商品详情描述）时，如果只需要展示商品基本信息（如名称和价格），通过
_source过滤可以减少数据传输量。
- 查询复杂度：与查询复杂度无关，主要用于减少返回的数据量，提升响应速度，尤其适用于带宽有限或者前端只需要部分字段展示的场景。
4. 使用聚合（Aggregation）进行数据汇总和缩略
- 实现方式：通过定义各种聚合操作，如
terms聚合获取某字段的不同取值及数量，avg聚合获取某数值字段的平均值等。例如，统计每个品牌的商品数量：
{
"aggs": {
"brand_count": {
"terms": {
"field": "brand.keyword"
}
}
}
}
- 适用场景：
- 数据量：适用于数据量较大，需要对数据进行汇总分析的场景。例如在销售数据分析中，有海量的销售记录，通过聚合操作快速统计不同地区、不同品类的销售总额等。
- 查询复杂度：适用于查询复杂度较高的数据分析场景，通过聚合操作可以从大量数据中提取有价值的汇总信息，而不是返回所有详细文档。
