ElasticSearch教程——filter执行原理深度剖析（bitset机制与caching机制）

￡神魔★判官ぃ 2021-09-27 16:54 314阅读 0赞

**ElasticSearch汇总请查看：[ElasticSearch教程——汇总篇][ElasticSearch]**

## （1）在倒排索引中查找搜索串，获取document list ##

date来举例

word          doc1        doc2        doc3

2017-01-01    \*           \*  
2017-02-02                \*              \*  
2017-03-03    \*           \*              \*

filter：2017-02-02

到倒排索引中一找，发现2017-02-02对应的document list是doc2,doc3

## （2）为每个在倒排索引中搜索到的结果，构建一个bitset，用0或1表示，类似于：\[0, 0, 0, 1, 0, 1\] ##

非常重要

使用找到的doc list，构建一个bitset，就是一个二进制的数组，数组每个元素都是0或1，用来标识一个doc对一个filter条件是否匹配，如果匹配就是1，不匹配就是0

这边filter：2017-02-02的bitset为：\[0, 1, 1\]

doc1：不匹配这个filter的  
doc2和do3：是匹配这个filter的

尽可能用简单的数据结构去实现复杂的功能，可以节省内存空间，提升性能

（3）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  
后面会讲解，一次性其实可以在一个search请求中，发出多个filter条件，每个filter条件都会对应一个bitset  
遍历每个filter条件对应的bitset，先从最稀疏的开始遍历

\[0, 0, 0, 1, 0, 0\]：比较稀疏  
\[0, 1, 0, 1, 0, 1\]

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

假设请求filter：postDate=2017-01-01，userID=1，

假设请求结果为：

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，就是doc4

就可以将document作为结果返回给client了。

## （4）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。 ##

比如postDate=2017-01-01，\[0, 0, 1, 1, 0, 0\]，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，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

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

原因：segment数据量很小，此时哪怕是扫描也很快；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。

针对一个小segment的bitset，比如说\[0, 0, 1, 0\]，它很快就会和其他小的segment合并，对应的这个\[0,0,1,0\]也就找不到了，缓存也就没有任何意义了。

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。

## （5）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

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

postDate=2017-01-01，\[0, 0, 1, 0\]  
document，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，\[0, 0, 1, 0, 1\]  
document，id=1，postDate=2016-12-30，修改为postDate-2017-01-01，此时也会自动更新bitset，\[1, 0, 1, 0, 1\]

## （7）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 ##

[ElasticSearch]: https://blog.csdn.net/gwd1154978352/article/details/82781731