ElasticSearch为何查询速度快（秒懂）

川长思鸟来 2023-07-22 14:28 51阅读 0赞

有一位学长突然问我你知道为啥es比数据库mysql查询的快吗？之前对于es的印象就是高效的搜索框架，实际应用过，但是没想过原理，后来查了一些资料，现在做一下总结。

希望还是小伙伴们可以了解一些es的知识之后再来看这一个文章吧。

## es为何查询速度快？ ##

es采用的是倒序索引，这种索引方式和我们的正常索引不太一样，我们以一张表来说明，看一下对比：

<table style="width:379px;"> 
 <tbody> 
  <tr> 
   <td>id</td> 
   <td>age</td> 
   <td style="width:106px;">sex</td> 
   <td style="width:106px;">name</td> 
  </tr> 
  <tr> 
   <td>1</td> 
   <td>18</td> 
   <td style="width:106px;">female</td> 
   <td style="width:106px;">北大</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>20</td> 
   <td style="width:106px;">male</td> 
   <td style="width:106px;">河北大学青年</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>18</td> 
   <td style="width:106px;">male</td> 
   <td style="width:106px;">爱国青年</td> 
  </tr> 
 </tbody> 
</table>

在mysql中，是以id简历b+树索引，然后通过目录页对应到数据页，然后找到数据。对于传统的增删改查（用id）没有任何问题，速度也很快，但是对于全文检索来说，就很尴尬。比如查询like %北大%。这样是走不到索引的，需要全表扫描。但是对于es来说，这就好办多了。

倒序索引：以name为倒序索引来看。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDU4ODQ5NQ_size_16_color_FFFFFF_t_70][]

我们是将内容进行了分词（这里是最细粒划分）。然后指向了我们document的一个唯一的标识，能够找到位置的地址。

这样，当我们在程序发出一个查询请求后，比如“北大青年”。首先会把这个查询内容分词：“北大”、“青年”。然后就找到对应的数据\[1，2，3\]。这三条数据了，比我们在mysql中模糊查询快的多。这是其中的一个原因。

我们将“北大”、“河北”、“大学...这样的叫做term。如果有很多个term，那么我们如何找到对应的term呢。我们以term是英文为例：假如有Carla,Sara,Elin,Ada,Patty,Kate,Selena。

**第一个方法**：遍历？遍历是不可能遍历的，这辈子都不可能遍历的。

**第二个方法**：采用二分查找（悄悄的告诉你，mysql的inndb中在目录页的查找过程中和数据页的查找对应的数据中均有体现）可以用 logN 次磁盘查找得到目标。但是磁盘的随机读操作仍然是非常昂贵的（一次random access大概需要10ms的时间）。而相比于mysql，term的dictionary要大得多。无法完整地放到内存里，于是就有了第三个方法。

**第二个方法**：term index。term index有点像一本字典的大的章节表。如果所有的term都是英文字符的话，可能这个term index就真的是26个英文字符表构成的了。但是实际的情况是，term未必都是英文字符，term可以是任意的byte数组。而且26个英文字符也未必是每一个字符都有均等的term，比如x字符开头的term可能一个都没有，而s开头的term又特别多。实际的term index是一棵trie 树：

![format_png][]

这里只考虑前缀并不考虑完整的分词字，例子是一个包含 "A", "to", "tea", "ted", "ten", "i", "in", 和 "inn" 的 trie 树。这棵树不会包含所有的term，它包含的是term的一些前缀。通过term index可以快速地定位到term dictionary的某个offset，然后从这个位置再往后顺序查找。再加上一些压缩技术（搜索 Lucene Finite State Transducers） term index 的尺寸可以只有所有term的尺寸的几十分之一，使得用内存缓存整个term index变成可能。整体上来说就是这样的效果。

![format_png 1][]

这种方式就很快就能够查找到对应的分词，然后在对应的分词就找到了对应的主键，然后就可以直接找到对应的数据了。

# #

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDU4ODQ5NQ_size_16_color_FFFFFF_t_70]: /images/20230528/2603de12fdef4249b55bbc7d9777df94.png
[format_png]: /images/20230528/4bb60296998347df98b50f919988d75a.png
[format_png 1]: /images/20230528/fdb2732c51a9436f948f43ca6828c0c5.png