Elasticsearch 查询优化

根据单个doc_id 查询

// 速度很快 近实时 
// 不需要refrsh 落盘 
// 不支持模糊查询 
//  哈希直接定位 跳过引擎  
//  用户 URL  ──> [哈希路由计算] ──> 直接根据 ID 哈希直达分片 ──> 利用指针从磁盘/内存直接拔出数据 (_source)
GET /{index_name}/_doc/{document_id}

// 速度很快 非实时 三种性能流程都一样无差别
// 用户 JSON ──> [搜索解析器] ──> 解析语法树 ──> 【 🚀 直接转化为 TermInSetQuery 】 ──> 【 ❌ 自动斩断算分开销 (Scoring = 0) 】 ──> 【 ⚡ 捞出内部文档编号 】 ──> 读取源数据 (_source)
//  Bitset 缓存：用户 JSON ──> [搜索解析器] ──> 解析语法树 ──> 【 💾 直接读取内存中的 Bitset 位图 (Scoring 依旧为 0) 】 ──> 读取源数据 (_source)
POST /my_index/_search
{
  "query": {  "ids": { "values": [  "1226430539" ]  } }
  //    "query": {  "bool": { "filter": { "term": { "_id": "1226430539" } } } }
 //   "query": {  "constant_score ": { "filter": { "term": { "_id": "1226430539" } } } }
}

搜索引擎 + 倒排引擎 + lucuen chunck

// 搜索引擎（Elasticsearch 顶层）:

   负责分布式调度、路由（Routing）、将用户的 JSON 解析为语法树、管理集群、分片（Shard）以及最终把各分片的数据合并返回给用户.

// 倒排引擎（Lucene 核心层）： 

      负责构建和检索 倒排索引（Inverted Index）。它的核心任务是快速通过你查的 _id 或关键词，在内存和磁盘交互中找出对应的内部 文档编号（Doc ID）。

Lucene Chunk（磁盘块存储层）： 
   在 Lucene 中，正排索引（也就是你最终要拿到的完整原始数据 _source、stored fields）并不是像传统数据库那样一条条独立存放的，而是为了追求极致的压缩率，
  每 16KB ~ 32KB（默认配置）的文档数据被打包成一个紧凑的压缩块（Chunk） 写入磁盘（.fdt 和 .fdx 文件）

// 流程
用户 JSON ──> [搜索引擎解析] ──> [倒排引擎扫描] ──> 【 算分开销 (Scoring ) 】 ──> 【  捞出内部文档编号 】 ──> 【 💾 定位 Lucene Chunk 索引 (.fdx) 】 ──> 【 💿 磁盘 IO：读取并解压目标 Chunk 块 (.fdt) 】 ──> 提取源数据 (_source)

// DSL的语法

┌─────────────────────────────────────────────────────────┐
           用户发送的 DSL 语法层 (JSON 报文)                
└────────────────────────────┬────────────────────────────┘
                             │ (搜索解析器 Parser 转化)
                             ▼
  ┌─────────────────────────────────────────────────────────┐
   1. Scoring（评分层 / 逻辑控制层）                        
      - 决定是否算分、如何组合、如何对结果进行最终排序        
      - 核心芯片: bool (must/should),constant_score，
                          dis_max, function_score,nested .  
  └────────────────────────────┬────────────────────────────┘
                               │ (下发检索指令)
                               ▼
  ┌─────────────────────────────────────────────────────────
   2. QueryTerm层（词条检索层 / 倒排匹配层）                
      - 负责去底层的倒排索引里，精准命中关键词并吐出编号      
      - 核心芯片: 2. QueryTerm层（词条检索层 / 倒排匹配层）
   │
   ├── 精准单值/批量：[term (TermQuery)]、[terms / ids (TermInSetQuery)] ── (⚡ 最推荐，天然契合 Bitset)
   │
   ├── 区间与存在性：[range (PointRangeQuery/BKD树)]、[exists (列式存储标记判定)]
   │
   ├── 文本智能分词：[match / combined_fields] ── (进入此层前会被拆解为 term 组合)
   │
   ├── 位置与顺序约束：[match_phrase (PhraseQuery)]、[match_phrase_prefix]、[intervals]
   │
   └── 模糊与模式匹配：[prefix]、[wildcard]、[regexp]、[fuzzy] ── (⚠️ 扫描整个词典，高并发的性能杀手)
 
  └─────────────────────────────────────────────────────────┘