谈谈 ES 6.8 到 7.10 的功能变迁（3）- 查询方法篇

Elasticsearch

2025-02-09

查看 Markdown

上一篇咱们了解了 ES 7.10 相较于 ES 6.8 新增的字段类型，这一篇我们继续了解新增的查询方法。

Interval 间隔查询： #

功能介绍 #

Interval 查询，词项间距查询，可以根据匹配词项的顺序、间距和接近度对文档进行排名。主要解决的查询场景“创建一个多搜索词匹配的查询，同时保留搜索词的顺序”，比 match phrase 更加符合需求场景，查询方法使用比 span 查询更简单。ES 后续版本想用 interval 查询逐步替代 span 查询。

注意事项 #

规则组合 #

• 可以使用 prefix、wildcard、fuzzy 等规则
• 通过设置 max_gaps 和 ordered 参数，可以控制词项间的最大间隙和顺序要求。

性能考虑 #

• 间隔查询比简单的词项匹配更消耗资源
• 嵌套规则越多，性能开销越大
• 建议合理使用 maxGaps 参数限制间距

使用限制 #

• 只能用于 text 字段
• 不支持跨字段查询
• 不支持对数值类型字段使用

Distance feature 查询 #

功能说明 #

时间/地理距离特性查询，该查询用于查找更接近被查询日期和地理位置的结果。 日期和位置分别是声明为 date 和 geo_point 数据类型的字段。返回结果的字段值不需要完全等于被查询值，而是按照给定日期或给定位置的进度算分，越是接近被查询值，在相关性得分中被评为更高。

字段类型要求 #

• 日期字段必须是 date 类型，地理位置字段必须是 geo_point 类型
• 不支持其他类型的距离计算

评分机制 #

• 距离越近，得分越高
• 使用 boost 参数调整权重
• 可以与其他查询组合使用

性能考虑 #

• 地理距离计算较为耗费资源，建议使用合适的索引优化地理查询，比如：考虑使用地理网格索引提升性能

Pinned 查询 #

功能说明 #

实现对某些文档的置顶功能，使用存储在_id 字段中的文档 ID 来标识升级或“固定”的文档。
此功能通常用于引导搜索者查找精选的文档，这些文档在搜索的任何 “organic” 匹配项之上被提升。当查询中有排序时，pinned 查询失效。

使用限制 #

• 不能与自定义排序一起使用
• 置顶文档必须存在于索引中
• 最多支持 100 个置顶文档

排序规则 #

• 置顶文档按照 ids 数组中的顺序排序
• organic 查询结果按照相关性得分排序
• 置顶文档始终在 organic 结果之前

PIT 查询 #

功能说明 #

Point in time 查询是一个轻量级的视图，根据保留周期保留 PIT 查询发生时数据的状态，用于不同条件的深度分页查询。

scroll 滚动搜索及其上下文与查询内容绑定。这意味着编写一个查询，添加一个滚动参数，来自这个查询的响应数据就会保持一致。不同的查询内容则会产生不同的 scroll 上下文，资源使用就会相对紧张。有时想对同一固定数据集适时运行不同的查询，就需要 PIT 查询。

如果对于一个不断变化的索引有着很高的搜索负载，那么为每个请求创建一个新的时间点查询会使用相当多的资源。可以通过使用一个后台进程每隔几分钟创建一个时间点 id 并将其用于所有搜索请求的方式来优化资源使用

更多内容可以 参照这里

注意事项 #

资源管理 #

• PIT 会占用系统资源，需要及时释放
• 建议设置合理的保留时间
• 监控 open context 数量

使用场景 #

• 适合需要一致性视图的场景
• 适合需要深度分页的场景
• 适合需要在固定数据集上执行多次查询的场景

性能优化 #

• 避免过长的保留时间,合理设置批次大小
• 建议查询的时候带 sort 参数排序

测试代码 #

// 1. 使用 product_test 索引，创建 PIT
POST /product_test/_pit?keep_alive=1m

GET /_search
{
  "size": 1,
  "query": {
    "match": {
      "model": "iphone"
    }
  },
  "pit": {
    "id": "i6-xAwEMcHJvZHVjdF90ZXN0FmRObXltV3ZDU1VTTnllYjNoR0ZtamcAFk1GQklTWXBaUkllb2h1cGl1VVFsdUEAAAAAAAABZk8WOFVoUHBhN3BSVVN5TWVmeTh4d3JpdwEWZE5teW1XdkNTVVNOeWViM2hHRm1qZwAA",
    "keep_alive": "1m"
  },
  "sort": [
    {"_score": "desc"},
    {"_id": "asc"}
  ]
}

DELETE /_pit
{"id":"i6-xAwEMcHJvZHVjdF90ZXN0FmRObXltV3ZDU1VTTnllYjNoR0ZtamcAFk1GQklTWXBaUkllb2h1cGl1VVFsdUEAAAAAAAABZk8WOFVoUHBhN3BSVVN5TWVmeTh4d3JpdwEWZE5teW1XdkNTVVNOeWViM2hHRm1qZwAA"}

小结 #

作为查询方法，Elasticsearch 新增的几个功能面对的场景更加具象且方便，大家可以根据业务的场景特性可以优化使用。其中深度分页查询是 ES 使用者几乎避免不了的场景，PIT 查询也是提供了一个更为优质的方法。