Elasticsearch 中的搜索类型

Neil Zhu，ID Not_GOD，University AI 创始人 & Chief Scientist，致力于推进世界人工智能化进程。制定并实施 UAI 中长期增长战略和目标，带领团队快速成长为人工智能领域最专业的力量。
作为行业领导者，他和UAI一起在2014年创建了TASA（中国最早的人工智能社团）, DL Center（深度学习知识中心全球价值网络），AI growth（行业智库培训）等，为中国的人工智能人才建设输送了大量的血液和养分。此外，他还参与或者举办过各类国际性的人工智能峰会和活动，产生了巨大的影响力，书写了60万字的人工智能精品技术内容，生产翻译了全球第一本深度学习入门书《神经网络与深度学习》，生产的内容被大量的专业垂直公众号和媒体转载与连载。曾经受邀为国内顶尖大学制定人工智能学习规划和教授人工智能前沿课程，均受学生和老师好评。

搜索类型

在执行分布式搜索时存在不同的集中执行路径。分布式搜索的操作需要被分发在所有相关的shard上，然后将所有的结果汇集返回。在进行分发和汇集的过程中，特别是通过搜索引擎中可以有好几种方式完成。
在执行分布式搜索时，一个问题就是从每个shard中检索出来多少结果。例如，如果我们有10个shard，第一个shard可能包含最相关的结果，而其他shard的结果排名都比较靠后。这种情况下，在执行请求时，我们需要从所有的shard中获得从0到10的结果，排序，然后返回最终正确的结果。
另一问题，则与搜索引擎有关，就是每个shard都代表着自己。在一个特定的shard上执行查询时，并不会考虑项的频率和来自其他shard的搜索引擎信息。如果我们希望支持精准的排序，我们必须首先汇集来自所有shard的项的频率来计算全局的项频率，然后在每个shard上使用这些全局频率信息执行查询。
同样，由于对结果排序的需要，返回一个巨大的文档集合，或者甚至进行翻页，保存正确的排序的代价太大。对于大结果集合的不排序滚动，可以通过scan这一搜索类型完成。
elasticsearch 非常灵活，支持不同的搜索类型基于per search request来执行。这个类型可以通过search_type这个参数进行设置。存在以下的类型：

Query Then Fetch

参数值：query_then_fetch

这个请求分两步进行。第一步，查询转发到所有关联的shard上。每个shard执行该搜索请求并产生一个局部的排序的结果列表。每个shard返回足够的新给负责协调的节点从而进行合并和重排shard层面的结果得到最终排序的结果集合，最大长度由参数size确定。
在第二步，协调节点仅从相关shard上请求文档内容（和高亮部分，如果有的话）。

这是默认的设置，如果对搜索类型没有显式定义的话。

Dfs, Query Then Fetch

参数值：dfs_query_then_fetch

除了在初始的分发步计算分布式的项频率更为精准外，其他与 Query Then Fetch 相同。

Count

参数值：count
特定的搜素类型可以返回匹配搜索请求的文档数目，但不会包含任何的文档在total_hits中，也可能会包含facet。这个比countAPI更加有用，可以有更多的选项可以控制行为。

Scan

参数值：scan

scan搜索类型关闭了排序的功能，保持在大规模结果集合上的高效滚动。参见 Efficient scrolling with Scroll-Scan。

Query And Fetch

参数值：query_and_fetch

该模式是内部优化，当一个query_then_fetch请求单一的shard时自动选择。query_then_fetch的两步在一个单一的步骤内完成。这个模式不应由用户显式指定。

Dfs, Query And Fetch

参数值：dfs_query_and_fetch

除了对一个初始分发过程，计算分布式项频率更加准确外，该类型和query_and_fetch相同。这个模式不应由用户显式指定。