白话Elasticsearch02- 结构化搜索之filter执行原理bitset机制与caching机制

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
简介: 白话Elasticsearch02- 结构化搜索之filter执行原理bitset机制与caching机制

20190806092132811.jpg

概述


继续跟中华石杉老师学习ES,第二篇

课程地址: https://www.roncoo.com/view/55

白话Elasticsearch01- 使用term filter来搜索数据中演示了 term filter的用法,这里我们来剖析下执行原理


步骤


在倒排索引中查找搜索串,获取document list


为每个在倒排索引中搜索到的结果,构建一个bitset .


遍历每个过滤条件对应的bitset,优先从最稀疏的开始搜索,查找满足所有条件的document


caching bitset,跟踪query,在最近256个query中超过一定次数的过滤条件,缓存其bitset。对于小segment(<1000,或<3%),不缓存bitset。


filter大部分情况下来说,在query之前执行,先尽量过滤掉尽可能多的数据


如果document有新增或修改,那么cached bitset会被自动更新


以后只要是有相同的filter条件的,会直接来使用这个过滤条件对应的cached bitset


接下来逐条来说一下过程


Step1 在倒排索引中查找搜索串,获取document list


举个例子 , 上节中用到的 postDate字段,假设有3条数据,在document1 、document2、document3中的分布情况


image.png


filter : 2017-02-02

比如:

GET /forum/article/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "term": {
          "postDate": "2017-02-02"
        }
      }
    }
  }
}


发现2017-02-02 对应的 document list 为 doc2 和 doc3 ,这样就完成了第一步,取到了document list


Step2 为每个在倒排索引中搜索到的结果,构建一个bitset .

这个地方很关键,非常重要。


上一步中,获取到了 document list , ES 会 根据这些document list 构建一个 bitset .


啥是bitset ? bitset是一个二进制的数组, 数组的每个元素要么是0要么是1 , 0 表示不匹配,1 表示匹配。


刚才filter 2017-02-02 的 document list就可以表示为 [0,1,1]


表示

doc1 —>0 , 不匹配该filter

doc2—>1 ,匹配该filter

doc3----> ,匹配该filter


也就是说 这个filter,在整个document中(假设该document只有3条记录),对应的bitset就是 [0,1,1]


使用二进制数组来标识有什么好处呢? ES本着使用尽可能简单的su数据结构来实现复杂的功能,节省空间,提高性能。


Step3 遍历每个过滤条件对应的bitset,优先从最稀疏的开始搜索,查找满足所有条件的document


在一个search请求中,可以有多个filter条件,每个filter条件都会对应一个bitset。


再获取到每个filter对应的bitset后 ,遍历每个filter条件对应的bitset,先从最稀疏的开始遍历。


啥叫稀疏? 举个例子


[0, 0, 0, 1, 0, 0]

[0, 1, 0, 1, 0, 1]


上面两个filter对应的匹配结果状况,第一个比较稀疏(不匹配的较多,因为0表示不匹配,也就是0越多越稀疏)


先遍历比较稀疏的bitset,就可以先过滤掉尽可能多的数据


遍历所有的bitset,找到匹配所有filter条件的doc


举个例子请求:filter,postDate=2017-01-01,userID=1


postDate: [0, 0, 1, 1, 0, 0]

userID: [0, 1, 0, 1, 0, 1]


遍历完两个bitset之后,找到的匹配所有条件的doc,第4个doc均为1 ,均匹配这两个filter ,就是doc4


就可以将document作为结果返回给client了


Step4 caching bitset,跟踪query,在最近256个query中超过一定次数的过滤条件,缓存其bitset


比如postDate=2017-01-01这个条件的filter,对应的bitset[0, 0, 1, 1, 0, 0],可以缓存在内存中,这样下次如果再有这个条件过来的时候,就不用重新扫描倒排索引,反复生成bitset,直接在内存中获取该filter对应的bitset即可,这样做可以大幅度提升性能。


在最近的256个filter中,有某个filter超过了一定的次数,次数不固定,就会自动缓存这个filter对应的bitset


filter针对小segment获取到的结果,可以不缓存,多小的segment算小segment呢? segment记录数<1000,或者segment大小<index总大小的3%


不缓存小segment的理由:


1.segment数据量很小,此时哪怕是扫描也很快;

2.segment会在后台自动合并,小segment很快就会跟其他小segment合并成大segment,此时就缓存也没有什么意义,segment很快就消失了

filter比query的好处就在于会caching,但是之前不知道caching的是什么东西,实际上并不是一个filter返回的完整的doc list数据结果。而是filter bitset缓存起来。下次不用扫描倒排索引了。


Step5 filter大部分情况下来说,在query之前执行,先尽量过滤掉尽可能多的数据


query:是会计算doc对搜索条件的relevance score,还会根据这个score去排序

filter:只是简单过滤出想要的数据,不计算relevance score,也不排序


Step6 如果document有新增或修改,那么cached bitset会被自动更新


举个例子

我们的article document中有4条数据,postDate=2017-01-01这个filter对应的bitset为 [0, 0, 1, 0] , 第三条数据符合这个条件


我们又新增了一条数据,article document加上id=5 ,postDate=2017-01-01,会自动更新到postDate=2017-01-01这个filter的bitset中,全自动,缓存会自动更新。postDate=2017-01-01的bitset就自动变为了[0, 0, 1, 0, 1]


如果我们修改了数值呢? 假设修改document,id=1为postDate=2016-12-30,修改为postDate-2017-01-01,此时也会自动更新bitset,变为[1, 0, 1, 0, 1]


Step7 以后只要是有相同的filter条件的,会直接来使用这个过滤条件对应的cached bitset


以后只要是有相同的filter条件的,会直接来使用这个过滤条件对应的cached bitset

相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
相关文章
|
1月前
|
存储 自然语言处理 BI
|
13天前
|
存储 缓存 固态存储
Elasticsearch高性能搜索
【11月更文挑战第1天】
31 6
|
12天前
|
API 索引
Elasticsearch实时搜索
【11月更文挑战第2天】
27 1
|
1月前
|
人工智能
云端问道12期-构建基于Elasticsearch的企业级AI搜索应用陪跑班获奖名单公布啦!
云端问道12期-构建基于Elasticsearch的企业级AI搜索应用陪跑班获奖名单公布啦!
172 2
|
1月前
|
Web App开发 JavaScript Java
elasticsearch学习五:springboot整合 rest 操作elasticsearch的 实际案例操作,编写搜索的前后端,爬取京东数据到elasticsearch中。
这篇文章是关于如何使用Spring Boot整合Elasticsearch,并通过REST客户端操作Elasticsearch,实现一个简单的搜索前后端,以及如何爬取京东数据到Elasticsearch的案例教程。
176 0
elasticsearch学习五:springboot整合 rest 操作elasticsearch的 实际案例操作,编写搜索的前后端,爬取京东数据到elasticsearch中。
|
11天前
|
存储 安全 数据管理
如何在 Rocky Linux 8 上安装和配置 Elasticsearch
本文详细介绍了在 Rocky Linux 8 上安装和配置 Elasticsearch 的步骤,包括添加仓库、安装 Elasticsearch、配置文件修改、设置内存和文件描述符、启动和验证 Elasticsearch,以及常见问题的解决方法。通过这些步骤,你可以快速搭建起这个强大的分布式搜索和分析引擎。
28 5
|
1月前
|
存储 JSON Java
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
这篇文章是关于Elasticsearch的学习指南,包括了解Elasticsearch、版本对应、安装运行Elasticsearch和Kibana、安装head插件和elasticsearch-ik分词器的步骤。
123 0
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
|
2月前
|
NoSQL 关系型数据库 Redis
mall在linux环境下的部署(基于Docker容器),Docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongo
mall在linux环境下的部署(基于Docker容器),docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongodb、minio详细教程,拉取镜像、运行容器
mall在linux环境下的部署(基于Docker容器),Docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongo
|
3月前
|
数据可视化 Docker 容器
一文教会你如何通过Docker安装elasticsearch和kibana 【详细过程+图解】
这篇文章提供了通过Docker安装Elasticsearch和Kibana的详细过程和图解,包括下载镜像、创建和启动容器、处理可能遇到的启动失败情况(如权限不足和配置文件错误)、测试Elasticsearch和Kibana的连接,以及解决空间不足的问题。文章还特别指出了配置文件中空格的重要性以及环境变量中字母大小写的问题。
一文教会你如何通过Docker安装elasticsearch和kibana 【详细过程+图解】
|
3月前
|
JSON 自然语言处理 数据库
Elasticsearch从入门到项目部署 安装 分词器 索引库操作
这篇文章详细介绍了Elasticsearch的基本概念、倒排索引原理、安装部署、IK分词器的使用,以及如何在Elasticsearch中进行索引库的CRUD操作,旨在帮助读者从入门到项目部署全面掌握Elasticsearch的使用。