Elasticsearch的Term為什麼很快之跳錶
- 2020 年 3 月 31 日
- 筆記
term代表完全匹配，也就是精確查詢，搜索前不會再對搜索詞進行分詞，所以我們的搜索詞必須是文檔分詞集合中的一個，此欄位如 "無分詞"，則完全匹配此欄位（如果對於某個欄位，你想精確匹配，即搜索什麼詞匹配什麼詞，類似sql中的=操作，則應該採取此操作），下面是用的kibana的示例數據的Term操作。
GET kibana_sample_data_ecommerce/_search { "query": { "bool": { "must": [{ "term": { "customer_first_name.keyword": { "value": "Mary" } } }, { "term": { "customer_gender": { "value": "FEMALE" } } } ] } } }
假設我們有以下數據：
|
docId |
customer_first_name |
customer_gender |
|---|---|---|
|
1 |
Marry |
FEMALE |
|
2 |
Shen |
MALE |
|
3 |
Marry |
FEMALE |
這裡每一行是一個document。每個document都有一個docid。那麼給這些document建立的倒排索引就是：
customer_first_name
|
Marry |
[1,3] |
|---|---|
|
Shen |
[2] |
customer_gender
|
FEMALE |
[1,3] |
|---|---|
|
MALE |
[2] |
可以看到，倒排索引是按欄位的，一個欄位有一個自己的倒排索引。Marry,Shen這些叫做 term，而[1,3]就是posting list。Posting list就是一個int的數組，存儲了所有符合某個term的文檔id。
利用 Skip List 合併
以上是三個posting list。我們現在需要把它們用AND的關係合併，得出posting list的交集。首先選擇最短的posting list，然後從小到大遍歷。遍歷的過程可以跳過一些元素，比如我們遍歷到綠色的13的時候，就可以跳過藍色的3了，因為3比13要小。
整個過程如下
Next -> 2 Advance(2) -> 13 Advance(13) -> 13 Already on 13 Advance(13) -> 13 MATCH!!! Next -> 17 Advance(17) -> 22 Advance(22) -> 98 Advance(98) -> 98 Advance(98) -> 98 MATCH!!!
最後得出的交集是[13,98]，所需的時間比完整遍歷三個posting list要快得多。但是前提是每個list需要指出Advance這個操作。Advance操作是什麼？就是 skip list 提供的快速跳躍的特性。
