第75 结构化搜索_在案例中实战使用term filter来搜索数据

课程大纲

 

(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,[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

 

[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

 

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

 

(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(上半季),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%

 

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,[0, 0, 1, 0]

 

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

 

 

 

猜你喜欢

转载自blog.csdn.net/qq_35524586/article/details/88296015