本篇內(nèi)容介紹了“Lucene查詢原理是什么”的有關(guān)知識，在實(shí)際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

創(chuàng)新互聯(lián)建站是一家集網(wǎng)站設(shè)計(jì)、做網(wǎng)站、網(wǎng)站頁面設(shè)計(jì)、網(wǎng)站優(yōu)化SEO優(yōu)化為一體的專業(yè)網(wǎng)站設(shè)計(jì)公司，已為成都等多地近百家企業(yè)提供網(wǎng)站建設(shè)服務(wù)。追求良好的瀏覽體驗(yàn),以探求精品塑造與理念升華,設(shè)計(jì)最適合用戶的網(wǎng)站頁面。 合作只是第一步，服務(wù)才是根本,我們始終堅(jiān)持講誠信，負(fù)責(zé)任的原則，為您進(jìn)行細(xì)心、貼心、認(rèn)真的服務(wù),與眾多客戶在蓬勃發(fā)展的市場環(huán)境中,互促共生。

Lucene查詢原理

本節(jié)主要是一些Lucene的背景知識，了解這些知識的同學(xué)可以略過。

Lucene的數(shù)據(jù)結(jié)構(gòu)和查詢原理

Elasticsearch的底層是Lucene，可以說Lucene的查詢性能就決定了Elasticsearch的查詢性能。

Lucene查詢原理

Lucene中最重要的就是它的幾種數(shù)據(jù)結(jié)構(gòu)，這決定了數(shù)據(jù)是如何被檢索的，本文再簡單描述一下幾種數(shù)據(jù)結(jié)構(gòu)：

1. FST：保存term字典，可以在FST上實(shí)現(xiàn)單Term、Term范圍、Term前綴和通配符查詢等。

2. 倒排鏈：保存了每個(gè)term對應(yīng)的docId的列表，采用skipList的結(jié)構(gòu)保存，用于快速跳躍。

3. BKD-Tree：BKD-Tree是一種保存多維空間點(diǎn)的數(shù)據(jù)結(jié)構(gòu)，用于數(shù)值類型(包括空間點(diǎn))的快速查找。

4. DocValues：基于docId的列式存儲，由于列式存儲的特點(diǎn)，可以有效提升排序聚合的性能。

組合條件的結(jié)果合并

了解了Lucene的數(shù)據(jù)結(jié)構(gòu)和基本查詢原理，我們知道：

1. 對單個(gè)詞條進(jìn)行查詢，Lucene會讀取該詞條的倒排鏈，倒排鏈中是一個(gè)有序的docId列表。

2. 對字符串范圍/前綴/通配符查詢，Lucene會從FST中獲取到符合條件的所有Term，然后就可以根據(jù)這些Term再查找倒排鏈，找到符合條件的doc。

3. 對數(shù)字類型進(jìn)行范圍查找，Lucene會通過BKD-Tree找到符合條件的docId集合，但這個(gè)集合中的docId并非有序的。

現(xiàn)在的問題是，如果給一個(gè)組合查詢條件，Lucene怎么對各個(gè)單條件的結(jié)果進(jìn)行組合，得到最終結(jié)果。簡化的問題就是如何求兩個(gè)集合的交集和并集。

1. 對N個(gè)倒排鏈求交集

上面Lucene原理分析的文章中講過，N個(gè)倒排鏈求交集，可以采用skipList，有效的跳過無效的doc。

2. 對N個(gè)倒排鏈求并集

處理方式一：仍然保留多個(gè)有序列表，多個(gè)有序列表的隊(duì)首構(gòu)成一個(gè)優(yōu)先隊(duì)列(最小堆)，這樣后續(xù)可以對整個(gè)并集進(jìn)行iterator(堆頂?shù)年?duì)首出堆，隊(duì)列里下一個(gè)docID入堆)，也可以通過skipList的方式向后跳躍(各個(gè)子列表分別通過skipList跳)。這種方式適合倒排鏈數(shù)量比較少(N比較小)的場景。

處理方式二：倒排鏈如果比較多(N比較大)，采用方式一就不夠劃算，這時(shí)候可以直接把結(jié)果合并成一個(gè)有序的docID數(shù)組。

處理方式三：方式二中，直接保存原始的docID，如果docID非常多，很消耗內(nèi)存，所以當(dāng)doc數(shù)量超過一定值時(shí)(32位docID在BitSet中只需要一個(gè)bit，BitSet的大小取決于segments里的doc總數(shù)，所以可以根據(jù)doc總數(shù)和當(dāng)前doc數(shù)估算是否BitSet更加劃算)，會采用構(gòu)造BitSet的方式，非常節(jié)約內(nèi)存，而且BitSet可以非常高效的取交/并集。

3. BKD-Tree的結(jié)果怎么跟其他結(jié)果合并

通過BKD-Tree查找到的docID是無序的，所以要么先轉(zhuǎn)成有序的docID數(shù)組，或者構(gòu)造BitSet，然后再與其他結(jié)果合并。

查詢順序優(yōu)化

如果采用多個(gè)條件進(jìn)行查詢，那么先查詢代價(jià)比較小的，再從小結(jié)果集上進(jìn)行迭代，會更優(yōu)一些。Lucene中做了很多這方面的優(yōu)化，在查詢前會先估算每個(gè)查詢的代價(jià)，再決定查詢順序。

結(jié)果排序

默認(rèn)情況下，Lucene會按照Score排序，即算分后的分?jǐn)?shù)值，如果指定了其他的Sort字段，就會按照指定的字段排序。那么，排序會非常影響性能嗎？首先，排序并不會對所有命中的doc進(jìn)行排序，而是構(gòu)造一個(gè)堆，保證前(Offset+Size)個(gè)數(shù)的doc是有序的，所以排序的性能取決于(Size+Offset)和命中的文檔數(shù)，另外就是讀取docValues的開銷。因?yàn)?Size+Offset)并不會太大，而且docValues的讀取性能很高，所以排序并不會非常的影響性能。

各場景查詢性能分析

上一節(jié)講了一些查詢相關(guān)的理論知識，那么本節(jié)就是理論結(jié)合實(shí)踐，通過具體的一些測試數(shù)字來分析一下各個(gè)場景的性能。測試采用單機(jī)單Shard、64核機(jī)器、SSD磁盤，主要分析各個(gè)場景的計(jì)算開銷，不考慮操作系統(tǒng)Cache的影響，測試結(jié)果僅供參考。

單Term查詢

ES中建立一個(gè)Index，一個(gè)shard，無replica。有1000萬行數(shù)據(jù)，每行只有幾個(gè)標(biāo)簽和一個(gè)唯一ID，現(xiàn)在將這些數(shù)據(jù)寫入這個(gè)Index中。其中Tag1這個(gè)標(biāo)簽只有a和b兩個(gè)值，現(xiàn)在要從1000萬行中找到一條Tag1=a的數(shù)據(jù)(約500萬)。給出以下查詢，那么它耗時(shí)如何呢：
請求：
{  "query": {    "constant_score": {      "filter": {        "term": {          "Tag1": "a"
        }
      }
    }
  },  "size": 1}'
響應(yīng)：
{"took":233,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":5184867,"max_score":1.0,"hits":...}

這個(gè)請求耗費(fèi)了233ms，并且返回了符合條件的數(shù)據(jù)總數(shù)：5184867條。

對于Tag1="a"這個(gè)查詢條件，我們知道是查詢Tag1="a"的倒排鏈，這個(gè)倒排鏈的長度是5184867，是非常長的，主要時(shí)間就花在掃描這個(gè)倒排鏈上。其實(shí)對這個(gè)例子來說，掃描倒排鏈帶來的收益就是拿到了符合條件的記錄總數(shù)，因?yàn)闂l件中設(shè)置了constant_score，所以不需要算分，隨便返回一條符合條件的記錄即可。對于要算分的場景，Lucene會根據(jù)詞條在doc中出現(xiàn)的頻率來計(jì)算分值，并取分值排序返回。

目前我們得到一個(gè)結(jié)論，233ms時(shí)間至少可以掃描500萬的倒排鏈，另外考慮到單個(gè)請求是單線程執(zhí)行的，可以粗略估算，一個(gè)CPU核在一秒內(nèi)掃描倒排鏈內(nèi)doc的速度是千萬級的。

我們再換一個(gè)小一點(diǎn)的倒排鏈，長度為1萬，總共耗時(shí)3ms。

{"took":3,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":10478,"max_score":1.0,"hits":...}

Term組合查詢

首先考慮兩個(gè)Term查詢求交集：

對于一個(gè)Term的組合查詢，兩個(gè)倒排鏈分別為1萬和500萬，合并后符合條件的數(shù)據(jù)為5000，查詢性能如何呢？
請求：
{  "size": 1,  "query": {    "constant_score": {      "filter": {        "bool": {          "must": [
            {              "term": {                "Tag1": "a"  // 倒排鏈長度500萬
              }
            },
            {              "term": {                "Tag2": "0" // 倒排鏈長度1萬
              }
            }
          ]
        }
      }
    }
  }
}
響應(yīng)：
{"took":21,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":5266,"max_score":2.0,"hits":...}

這個(gè)請求耗時(shí)21ms，主要是做兩個(gè)倒排鏈的求交操作，因此我們主要分析skipList的性能。

這個(gè)例子中，倒排鏈長度是1萬、500萬，合并后仍有5000多個(gè)doc符合條件。對于1萬的倒排鏈，基本上不進(jìn)行skip，因?yàn)橐话氲膁oc都是符合條件的，對于500萬的倒排鏈，平均每次skip1000個(gè)doc。因?yàn)榈古沛溤诖鎯r(shí)最小的單位是BLOCK，一個(gè)BLOCK一般是128個(gè)docID，BLOCK內(nèi)不會進(jìn)行skip操作。所以即使能夠skip到某個(gè)BLOCK，BLOCK內(nèi)的docID還是要順序掃描的。所以這個(gè)例子中，實(shí)際掃描的docID數(shù)粗略估計(jì)也有幾十萬，所以總時(shí)間花費(fèi)了20多ms也符合預(yù)期。

對于Term查詢求并集呢，將上面的bool查詢的must改成should，查詢結(jié)果為：

{"took":393,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":5190079,"max_score":1.0,"hits":...}

花費(fèi)時(shí)間393ms，所以求并集的時(shí)間是多于其中單個(gè)條件查詢的時(shí)間。

字符串范圍查詢

RecordID是一個(gè)UUID，1000萬條數(shù)據(jù)，每個(gè)doc都有一個(gè)唯一的uuid，從中查找0～7開頭的uuid，大概結(jié)果有500多萬個(gè)，性能如何呢？
請求：
{  "query": {    "constant_score": {      "filter": {        "range": {          "RecordID": {            "gte": "0",            "lte": "8"
          }
        }
      }
    }
  },  "size": 1
}
響應(yīng)：
{"took":3001,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":5185663,"max_score":1.0,"hits":...}
查詢a開頭的uuid，結(jié)果大概有60多萬，性能如何呢？
請求：
{  "query": {    "constant_score": {      "filter": {        "range": {          "RecordID": {            "gte": "a",            "lte": "b"
          }
        }
      }
    }
  },  "size": 1
}
響應(yīng)：
{"took":379,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":648556,"max_score":1.0,"hits":...}

這個(gè)查詢我們主要分析FST的查詢性能，從上面的結(jié)果中我們可以看到，F(xiàn)ST的查詢性能相比掃描倒排鏈要差許多，同樣掃描500萬的數(shù)據(jù)，倒排鏈掃描只需要不到300ms，而FST上的掃描花費(fèi)了3秒，基本上是慢十倍的。對于UUID長度的字符串來說，F(xiàn)ST范圍掃描的性能大概是每秒百萬級。

字符串范圍查詢加Term查詢

字符串范圍查詢(符合條件500萬)，加上兩個(gè)Term查詢(符合條件5000)，最終符合條件數(shù)目2600，性能如何？
請求：
{  "query": {    "constant_score": {      "filter": {        "bool": {          "must": [
            {              "range": {                "RecordID": {                  "gte": "0",                  "lte": "8"
                }
              }
            },
            {              "term": {                "Tag1": "a"
              }
            },
            {              "term": {                "Tag2": "0"
              }
            }
          ]
        }
      }
    }
  },  "size": 1
}
結(jié)果：
{"took":2849,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":2638,"max_score":1.0,"hits":...}

這個(gè)例子中，查詢消耗時(shí)間的大頭還是在掃描FST的部分，通過FST掃描出符合條件的Term，然后讀取每個(gè)Term對應(yīng)的docID列表，構(gòu)造一個(gè)BitSet，再與兩個(gè)TermQuery的倒排鏈求交集。

數(shù)字Range查詢

對于數(shù)字類型，我們同樣從1000萬數(shù)據(jù)中查找500萬呢？
請求：
{  "query": {    "constant_score": {      "filter": {        "range": {          "Number": {            "gte": 100000000,            "lte": 150000000
          }
        }
      }
    }
  },  "size": 1
}
響應(yīng)：
{"took":567,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":5183183,"max_score":1.0,"hits":...}

這個(gè)場景我們主要測試BKD-Tree的性能，可以看到BKD-Tree查詢的性能還是不錯(cuò)的，查找500萬個(gè)doc花費(fèi)了500多ms，只比掃描倒排鏈差一倍，相比FST的性能有了很大的提升。地理位置相關(guān)的查詢也是通過BKD-Tree實(shí)現(xiàn)的，性能很高。

數(shù)字Range查詢加Term查詢

這里我們構(gòu)造一個(gè)復(fù)雜的查詢場景，數(shù)字Range范圍數(shù)據(jù)500萬，再加兩個(gè)Term條件，最終符合條件數(shù)據(jù)2600多條，性能如何？
請求：
{  "query": {    "constant_score": {      "filter": {        "bool": {          "must": [
            {              "range": {                "Number": {                  "gte": 100000000,                  "lte": 150000000
                }
              }
            },
            {              "term": {                "Tag1": "a"
              }
            },
            {              "term": {                "Tag2": "0"
              }
            }
          ]
        }
      }
    }
  },  "size": 1
}
響應(yīng)：
{"took":27,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":2638,"max_score":1.0,"hits":...}

這個(gè)結(jié)果出乎我們的意料，竟然只需要27ms！因?yàn)樵谏弦粋€(gè)例子中，數(shù)字Range查詢耗時(shí)500多ms，而我們增加兩個(gè)Term條件后，時(shí)間竟然變?yōu)?7ms，這是為何呢？

實(shí)際上，Lucene在這里做了一個(gè)優(yōu)化，底層有一個(gè)查詢叫做IndexOrDocValuesQuery，會自動判斷是查詢Index(BKD-Tree)還是DocValues。在這個(gè)例子中，查詢順序是先對兩個(gè)TermQuery求交集，得到5000多個(gè)docID，然后讀取這個(gè)5000多個(gè)docID對應(yīng)的docValues，從中篩選符合數(shù)字Range條件的數(shù)據(jù)。因?yàn)橹恍枰x5000多個(gè)doc的docValues，所以花費(fèi)時(shí)間很少。

“Lucene查詢原理是什么”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！

網(wǎng)站標(biāo)題：Lucene查詢原理是什么-創(chuàng)新互聯(lián)
標(biāo)題來源：http://aaarwkj.com/article22/goicc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站制作、做網(wǎng)站、全網(wǎng)營銷推廣、網(wǎng)站制作、動態(tài)網(wǎng)站、自適應(yīng)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)