ES Filter 执行原理及Cache机制深入剖析-搜索系统线上实战本套技术专栏作者（秦凯新）专注于大数据及容器云核心

本套技术专栏作者（秦凯新）专注于大数据及容器云核心技术解密，具备5年工业级IOT大数据云平台建设经验，可提供全栈的大数据+云原生平台咨询方案，请持续关注本套博客。QQ邮箱地址：1120746959@qq.com，如有任何学术交流，可随时联系。详情请关注《数据云技术社区》公众号。

1 如何倒排索引

   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 构建一个bitset

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
```
[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
```

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,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

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

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

3 Caching bitset原理

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，因为segment很快就消失了。
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。
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

4 Caching bitset自动更新机制

Caching bitset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]

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

5 联合过滤案例

搜索发帖日期为2017-01-01，或者帖子ID为XHDK-A-1293-#fJ3的帖子，同时要求帖子的发帖日期绝对不为2017-01-02

    select *
    from forum.article
    where (post_date='2017-01-01' or article_id='XHDK-A-1293-#fJ3')
    and post_date!='2017-01-02'
    
    POST /forum/article/_bulk
    { "index": { "_id": 1 }}
    { "articleID" : "XHDK-A-1293-#fJ3", "userID" : 1, "hidden": false, "postDate": "2017-01-01" }
    { "index": { "_id": 2 }}
    { "articleID" : "KDKE-B-9947-#kL5", "userID" : 1, "hidden": false, "postDate": "2017-01-02" }
    { "index": { "_id": 3 }}
    { "articleID" : "JODL-X-1937-#pV7", "userID" : 2, "hidden": false, "postDate": "2017-01-01" }
    { "index": { "_id": 4 }}
    { "articleID" : "QQPX-R-3956-#aD8", "userID" : 2, "hidden": true, "postDate": "2017-01-02" }
    
    GET /forum/article/_search
    {
      "query": {
        "constant_score": {
          "filter": {
            "bool": {
              "should": [
                {"term": { "postDate": "2017-01-01" }},
                {"term": {"articleID": "XHDK-A-1293-#fJ3"}}
              ],
              "must_not": {
                "term": {
                  "postDate": "2017-01-02"
                }
              }
            }
          }
        }
      }
    }
    
    must，should，must_not，filter：必须匹配，可以匹配其中任意一个即可，必须不匹配

搜索帖子ID为XHDK-A-1293-#fJ3，或者是帖子ID为JODL-X-1937-#pV7而且发帖日期为2017-01-01的帖子

    select *
    from forum.article
    where article_id='XHDK-A-1293-#fJ3'
    or (article_id='JODL-X-1937-#pV7' and post_date='2017-01-01')
    
    GET /forum/article/_search 
    {
      "query": {
        "constant_score": {
          "filter": {
            "bool": {
              "should": [
                {
                  "term": {
                    "articleID": "XHDK-A-1293-#fJ3"
                  }
                },
                {
                  "bool": {
                    "must": [
                      {
                        "term":{
                          "articleID": "JODL-X-1937-#pV7"
                        }
                      },
                      {
                        "term": {
                          "postDate": "2017-01-01"
                        }
                      }
                    ]
                  }
                }
              ]
            }
          }
        }
      }
    }

ES Filter 执行原理及Cache机制深入剖析-搜索系统线上实战

1 如何倒排索引

2 构建一个bitset

3 Caching bitset原理

4 Caching bitset自动更新机制

5 联合过滤案例

6 总结