Question

我有与某些product_id相关的文档索引。而且我想查找所有具有特定ID的文档（大约有10万个product_id，索引总数为1亿个。）

在这种情况下，过滤查询是否是最快，最好的选择？

"query": { 
    "bool": {
        "filter": {"terms": {"product_id": product_ids}
    }
}

还是最好对ID进行分块并仅使用术语查询或其他方式？

这个问题可能有点重复，但是我将非常感谢最佳实践建议（以及一些推理）。

Answer 1

对于非常大的结果集，可以使用弹性搜索查询的“ paging”或“ scrolling”功能。

或“ scroll”查询：

我认为“从/到”是一种更有效的方法，除非您希望每次返回数千个结果（可能会返回许多MB数据，所以您可能不希望这样做）

编辑：

您可以批量进行如下查询：

获取my_index / _search { “查询”：{ “条款”：{ “ _id”：[“ 1”，“ 2”，“ 3”，....“ 10000”] //调整为最佳数组长度 } } }
如果您的文档ID是连续的或您可以轻松订购的其他数字形式，并且具有可用字段，则可以执行“ range query”

获取_search { “查询”：{ “范围” ： { “ document_id_that_is_a_number”：{ “ gte”：0，//通过“ lte”步进因子在每个查询上进行颠簸 “ lte”：10000 //在此处找到一个合适的数字 } } } }

Answer 2

经过一些测试和更多的阅读，我找到了答案：

过滤器查询与仅使用术语查询的块相比，工作速度要快得多。但是制作真正的大型过滤器会大大减慢获得结果的速度。在我的情况下，使用具有1万个id的块的过滤器查询要比使用所有10万个id的过滤器查询快10倍（顺便说一句，此数量已在Elasticsearch 6中受到限制）。

同样来自官方的Elasticsearch documentation：术语过滤器中指定的ID数量可能很多。在这种情况下，可以使用术语过滤器的术语查找机制。

要考虑的唯一缺点是过滤器查询存储在缓存中。（高速缓存实施LRU逐出策略：当高速缓存已满时，会将最近最少使用的数据逐出，以便为新数据让路。）

P.S。在所有情况下，我始终使用滚动。