Elasticsearch查询相关参数

java api示例：

SearchRequestBuilder request = getTransportClient().prepareSearch(indexName).setTypes(type).setRouting(routing)     .setSearchType(SearchType.DFS_QUERY_THEN_FETCH).setPreference("_primary_first").setFrom(0).setSize(100).setQuery(queryBuilder);

分片查询优先级：
elasticsearch可以使用preference参数来指定分片查询的优先级，使用时就是在请求url上加上preference参数，如：http://ip:host/index/_search?preference=_primary
java的调用接口翻译为：client.prepareSearch(“index”).setPreference(“_primary”)。

1：randomizeacross shards
随机选择分片查询数据，es的默认方式

2：_local
优先在本地节点上的分片查询数据然后再去其他节点上的分片查询，本地节点没有IO问题但有可能造成负载不均问题。数据量是完整的。

3：_primary
只在主分片中查询不去副本查，一般数据完整。

4：_primary_first
优先在主分片中查，如果主分片挂了则去副本查，一般数据完整。

5：_only_node
只在指定id的节点中的分片中查询，数据可能不完整。

6：_prefer_node
优先在指定你给节点中查询，一般数据完整。

7：_shards
在指定分片中查询，数据可能不完整。

8：_only_nodes
可以自定义去指定的多个节点查询，es不提供此方式需要改源码。

   /*** 指定分片 查询*/@Testpublic void testPreference(){SearchResponse searchResponse = transportClient.prepareSearch(index).setTypes("add")//.setPreference("_local")//.setPreference("_primary")//.setPreference("_primary_first")//.setPreference("_only_node:ZYYWXGZCSkSL7QD0bDVxYA")//.setPreference("_prefer_node:ZYYWXGZCSkSL7QD0bDVxYA").setPreference("_shards:0,1,2").setQuery(QueryBuilders.matchAllQuery()).setExplain(true).get();SearchHits hits = searchResponse.getHits();System.out.println(hits.getTotalHits());SearchHit[] hits2 = hits.getHits();for(SearchHit h : hits2){System.out.println(h.getSourceAsString());}}

搜索类型SearchType：
参考：
https://www.cnblogs.com/donlianli/p/3857500.html
https://www.elastic.co/blog/understanding-query-then-fetch-vs-dfs-query-then-fetch
https://www.jianshu.com/p/c7529b98993e
https://blog.csdn.net/wangmaohong0717/article/details/53433146
https://blog.csdn.net/caipeichao2/article/details/46418413

es在查询时，可以指定搜索类型为
QUERY_THEN_FETCH,QUERY_AND_FEATCH,DFS_QUERY_THEN_FEATCH和DFS_QUERY_AND_FEATCH（SACN,COUNT都已不建议使用）。那么这4种搜索类型有什么区别？

elasticsearch java api中还有个default

public static final SearchType DEFAULT = QUERY_THEN_FETCH;

分布式搜索背景介绍：
ES天生就是为分布式而生，但分布式有分布式的缺点。比如要搜索某个单词，但是数据却分别在5个分片（Shard)上面，这5个分片可能在5台主机上面。因为全文搜索天生就要排序（按照匹配度进行排名）,但数据却在5个分片上，如何得到最后正确的排序呢？ES是这样做的，大概分两步。

step1. ES客户端会将这个搜索词同时向5个分片发起搜索请求，这叫Scatter,
step2. 这5个分片基于本Shard独立完成搜索，然后将符合条件的结果全部返回，这一步叫Gather。
客户端将返回的结果进行重新排序和排名，最后返回给用户。也就是说，ES的一次搜索，是一次scatter/gather过程（这个跟mapreduce也很类似）.

然而这其中有两个问题:
第一、数量问题。比如，用户需要搜索”双黄连”，要求返回最符合条件的前10条。但在5个分片中，可能都存储着双黄连相关的数据。所以ES会向这5个分片都发出查询请求，并且要求每个分片都返回符合条件的10条记录。当ES得到返回的结果后，进行整体排序，然后取最符合条件的前10条返给用户。这种情况，ES5个shard最多会收到10*5=50条记录，这样返回给用户的结果数量会多于用户请求的数量。

第二、排名问题。上面搜索，每个分片计算分值都是基于自己的分片数据进行计算的。计算分值使用的词频率和其他信息都是基于自己的分片进行的，而ES进行整体排名是基于每个分片计算后的分值进行排序的，这就可能会导致排名不准确的问题。如果我们想更精确的控制排序，应该先将计算排序和排名相关的信息（词频率等）从5个分片收集上来，进行统一计算，然后使用整体的词频率去每个分片进行查询。

这两个问题，估计ES也没有什么较好的解决方法，最终把选择的权利交给用户，方法就是在搜索的时候指定query type。
1、query and fetch
向索引的所有分片（shard）都发出查询请求，各分片返回的时候把元素文档（document）和计算后的排名信息一起返回。这种搜索方式是最快的。因为相比下面的几种搜索方式，这种查询方法只需要去shard查询一次。但是各个shard返回的结果的数量之和可能是用户要求的size的n倍。

2、query then fetch（默认的搜索方式）
如果你搜索时，没有指定搜索方式，就是使用的这种搜索方式。这种搜索方式，大概分两个步骤，第一步，先向所有的shard发出请求，各分片只返回排序和排名相关的信息（注意，不包括文档document)，然后按照各分片返回的分数进行重新排序和排名，取前size个文档。然后进行第二步，去相关的shard取document。这种方式返回的document可能是用户要求的size的n倍

3、DFS query and fetch
这种方式比第一种方式多了一个初始化散发(initial scatter)步骤，有这一步，据说可以更精确控制搜索打分和排名。这种方式返回的document与用户要求的size是相等的。

4、DFS query then fetch
比第2种方式多了一个初始化散发(initial scatter)步骤。这种方式返回的document与用户要求的size是相等的。

DSF是什么缩写？初始化散发是一个什么样的过程？
从es的官方网站我们可以指定，初始化散发其实就是在进行真正的查询之前，先把各个分片的词频率和文档频率收集一下，然后进行词搜索的时候，各分片依据全局的词频率和文档频率进行搜索和排名。显然如果使用DFS_QUERY_THEN_FETCH这种查询方式，效率是最低的，因为一个搜索，可能要请求3次分片。但，使用DFS方法，搜索精度应该是最高的。
至于DFS是什么缩写，没有找到相关资料，这个D可能是Distributed，F可能是frequency的缩写，至于S可能是Scatter的缩写，整个单词可能是分布式词频率和文档频率散发的缩写。
总结一下，从性能考虑QUERY_AND_FETCH是最快的，DFS_QUERY_THEN_FETCH是最慢的。从搜索的准确度来说，DFS要比非DFS的准确度更高。

query_and_fetch下的from和size：
举个例子，如果在搜索的时候指定search_type为query_and_fetch，再指定size为10，那么就会返回50个结果。这是为什么呢？原来，在fetch的时候就已经把from和size参数用掉了，导致每个分片都返回了10个文档，如果有5个分片的话，那么最后合并的结果就是50个。
如果query_and_fetch情况下这两和参数的作用和query_then_fetch的行为一样。那么一次就要取出from+size个文档。如果from比较大，那么取出的文档足以撑爆内存。而如果在fetch阶段就直接使用这两个参数，每个分片最多就取出size个文档，from稍微大一些也没有关系。因此，这种行为的设计也是可以理解的。

最后来看下源码：

public enum SearchType {/*** Same as {@link #QUERY_THEN_FETCH}, except for an initial scatter phase which goes and computes the distributed* term frequencies for more accurate scoring.*/DFS_QUERY_THEN_FETCH((byte) 0),/*** The query is executed against all shards, but only enough information is returned (not the document content).* The results are then sorted and ranked, and based on it, only the relevant shards are asked for the actual* document content. The return number of hits is exactly as specified in size, since they are the only ones that* are fetched. This is very handy when the index has a lot of shards (not replicas, shard id groups).*/QUERY_THEN_FETCH((byte) 1),/*** Same as {@link #QUERY_AND_FETCH}, except for an initial scatter phase which goes and computes the distributed* term frequencies for more accurate scoring.*/DFS_QUERY_AND_FETCH((byte) 2),/*** The most naive (and possibly fastest) implementation is to simply execute the query on all relevant shards* and return the results. Each shard returns size results. Since each shard already returns size hits, this* type actually returns size times number of shards results back to the caller.*/QUERY_AND_FETCH((byte) 3),/*** Performs scanning of the results which executes the search without any sorting.* It will automatically start scrolling the result set.* @deprecated will be removed in 3.0, you should do a regular scroll instead, ordered by `_doc`*/@DeprecatedSCAN((byte) 4),/*** Only counts the results, will still execute aggregations and the like.* @deprecated does not any improvements compared to {@link #QUERY_THEN_FETCH} with a `size` of {@code 0}*/@DeprecatedCOUNT((byte) 5);/*** The default search type ({@link #QUERY_THEN_FETCH}.*/

Elasticsearch查询相关参数相关推荐

Elasticsearch查询相关总结以及timestamp和时区问题
ES查询相关参考:https://www.cnblogs.com/qdhxhz/p/11493677.html 如果想筛选出特定时间段的event,可以在查询语句里使用post_filter POS ...
【Elasticsearch】Elasticsearch查询参数batched_reduce_size的解释
1.概述当我们使用Elasticsearch查询数据时,如果数据量非常大时,会命中大量分片中的大量数据,可能会造成集群内存异常,此时可以通过一个高级参数batched_reduce_size进行控制 ...
Go Elasticsearch 查询快速入门
文章目录 0.前言 1.根据 ID 查询 2.精确匹配单个字段 3.精确匹配单个字段的多个值 4.全文查询 5.范围查询 6.判断某个字段是否存在 7.bool 组合查询 must filter sh ...
Elasticsearch：Elasticsearch 查询示例 - 动手练习（一）
在我之前的文章文章: Elasticsearch:有用的 Elasticsearch 查询示例开始使用 Elasticsearch (2) 我列举了很多关于 Elasticsearch 查询的例子. ...
Elasticsearch：Elasticsearch 查询示例 - 动手练习（二）
这是继上一篇文章 "Elasticsearch:Elasticsearch 查询示例 - 动手练习(一)" 的续篇. Compound Queries 到目前为止,在本教程中,我们 ...
ElasticSearch查询学习笔记章节5——geo_distance，geo_bounding_box，geo_polygon地图检索geo查询
ElasticSearch查询笔记目录涉及的常用查询内容较多,将分多个章节进行笔记整理,具体如下: ElasticSearch查询学习笔记章节1--term,terms,match,id查询 ...
Linux TCP队列相关参数的总结
作者:阿里技术保障锋寒原文:https://yq.aliyun.com/articles/4252 摘要: 本文尝试总结TCP队列缓冲相关的内核参数,从协议栈的角度梳理它们,希望可以更容易的理解和记 ...
MySQL8常见客户端和启动相关参数
MySQL8常见客户端和启动相关参数作者:尹正杰版权声明:原创作品,谢绝转载!否则将追究法律责任. 一.MySQL常见的客户端 1>.使用MySQL服务自带的mysql连接工具 2>. ...
es查询语句拼接 java_JAVA使用ElasticSearch查询in和not in的实现方式
JAVA使用ElasticSearch查询in和not in的实现方式发布时间:2020-08-22 16:03:11 来源:脚本之家阅读:119 作者:执笔记忆的空白 ElasticSearch ...

Elasticsearch查询相关参数

java api示例：

Elasticsearch查询相关参数相关推荐

最新文章

热门文章