搜索性能优化

本章定位：搜索是 Elasticsearch 的核心场景。理解 Filter Cache、查询结构、聚合优化等关键手段，将搜索延迟从秒级降至毫秒级。

定义与作用

搜索性能优化通过调整查询结构、利用缓存、优化字段配置，降低搜索响应时间（Latency）并提升吞吐量（QPS）。

完整示例：飞翔科技的搜索加速

Filter Cache 利用

# ✓ 精确筛选放 filter，利用缓存
POST /students/_search
{
  "query": {
    "bool": {
      "filter": [
        { "term": { "province": "广东" } },
        { "term": { "status": "active" } }
      ],
      "must": [
        { "match": { "major": "计算机科学" } }
      ]
    }
  }
}

字段级优化

优化项	配置	节省	适用场景
`norms: false`	关闭 BM25 评分归一化	~1 byte/doc	纯过滤字段
`index: false`	不建倒排索引	大幅节省	不搜索但需返回/排序的字段
`index_options: docs`	只存文档 ID	~50% 倒排	只需存在性判断
`doc_values: false`	不建列存	~字段大小	不需排序/聚合/脚本访问

Profile API 诊断

POST /courses/_search
{ "profile": true, "query": { "match": { "title": "机器学习" } } }

小结

搜索优化七方向：filter 替代 must 利用缓存、字段级按需配置、分页用 search_after、_source filtering、Profile API 定位瓶颈、避免 wildcard 左模糊、聚合用 execution_hint。