例如，ES集群有3个分片，一个查询要获取300个文档。
通常，坐标节点将从每个分片中获得300个文档，总共3 * 300 = 900个文档，然后对这900个文档进行排序，并返回前300个文档。
如何设置查询，让坐标节点从每个分片中获取100个文档，并返回3 * 100 = 300个文档？
答案 0 :(得分：0)
很好奇为什么您希望每个分片只返回结果匹配的相同大小的份额/切片，因为300个最相关/重要的匹配不太可能均匀地分布在所有分片中。
协调节点的任务不仅是返回300个匹配，还包括300个最相关/最重要的匹配。默认情况下，命中按得分递减排序（除非您指定其他排序标准）。静态地考虑每个分片的100次点击可能会导致总的结果列表毫无意义。
一个例子：为简单起见，假设您的索引仅由2个（主要）分片组成，并且包含早在2007年初的有关手机新闻的文档。很可能您的索引中包含许多有关Windows的文档，诺基亚和黑莓手机。然后，突然之间iPhone宣布发布，文章开始出现。让我们进一步假设，在电话展示之后，已经有100篇有关iPhone的非常相关的文章已经发布并在您的Elasticsearch索引中进行了索引，现在您正在查询有关iPhone的100项热门文章。通过使协调节点“优化”您所要求的方式，将从两个分片中检索前50个文档。因此，很可能最终结果集中只有60-70个相关文章，而其他30-40个非常相关的匹配数据却丢失了（更糟糕的是，有30-40个文章相当无关紧要而已，因为他们曾经提到过“ iPhone”一词。
实际上，协调节点也是“智能”的，在保证它们不包含任何匹配文档的情况下，在某些情况下可以跳过分片。
此外，如果您不处理大数据并且所有文档都可以轻松地固定到一个文件中，则将索引配置为由1个分片组成，并且协调节点不需要进行任何合并。
如果用例完全不依赖于相关性，则可以考虑将数据组织在不同的索引中（而不是索引中的多个分片）。然后，您可以独立查询每个索引的前n个匹配项，并在应用程序端合并结果。但这会涉及更多的网络往返，因此最终可能会更慢。