上一篇【第17篇】Elasticsearch并发控制——refresh参数与乐观并发控制
下一篇【第19篇】Elasticsearch Body模式搜索详解——分页、排序与高亮

---

摘要

搜索是Elasticsearch最核心的能力，也是其相比传统数据库最突出的优势。本文作为搜索系列的开篇，全面介绍了Elasticsearch搜索功能的基础知识。涵盖分布式搜索机制的Query Phase（查询阶段）和Fetch Phase（获取阶段）两阶段模型，详细解释了Elasticsearch如何在多个分片上执行搜索并合并结果。深入讲解了搜索API端点的使用方法（GET/POST两种HTTP方法）、URI搜索模式的Lucene查询语法（字段查询、布尔运算、通配符、范围查询等）以及重要URI参数（df默认字段、analyzer指定分析器、lenient宽松模式、explain评分解释、sort排序、from/size分页）。同时介绍了搜索分片信息API（_search_shards）的使用方法和搜索响应结构的详细解析（hits、total、shards、_score、_source）。掌握这些基础知识将为后续学习Query DSL和高级搜索特性打下坚实的基础。

一、分布式搜索机制

1.1 搜索的两种阶段

在Elasticsearch中执行搜索时，请求被发送到协调节点（接受请求的节点），协调节点负责将请求分发到所有相关分片，然后收集并合并结果。分布式搜索操作分为两个阶段：

第一阶段：Query Phase（查询阶段）

协调节点将查询请求广播到所有相关分片（主分片或副本）。每个分片在本地执行搜索，生成匹配文档的排序列表，然后只返回足够的信息给协调节点（排序字段值和文档ID），以便协调节点合并并重新排序结果。

第二阶段：Fetch Phase（获取阶段）

协调节点根据第一阶段收集到的排序结果，确定哪些文档需要返回完整内容，然后向相关分片请求这些文档的完整 _source 数据（以及高亮信息等）。

1.2 自适应副本选择

默认情况下，Elasticsearch使用"自适应副本选择"机制来选择数据的"最佳"副本。协调节点根据以下因素做出选择：

因素	说明
响应时间	协调节点与数据节点之间的历史响应时间
搜索时间	数据节点执行过去搜索请求的耗时
队列大小	数据节点上搜索线程池的队列大小

如果需要关闭此机制，可以设置动态集群配置：

PUT _cluster/settings
{
  "persistent": {
    "cluster.routing.use_adaptive_replica_selection": false
  }
}

关闭后，搜索请求将在所有数据副本之间以循环（round-robin）方式分发。

1.3 路由与搜索

在索引时使用路由参数可以将相关文档放在同一分片上，搜索时也可以指定路由以只搜索特定分片：

GET twitter/_search?routing=user1,user2
{
  "query": {
    "match": {
      "message": "elasticsearch"
    }
  }
}

路由参数可以是多值的，用逗号分隔。指定路由后，搜索只命中路由值匹配的相关分片，显著提升搜索效率。

1.4 搜索类型对比

Elasticsearch允许通过 search_type 参数控制搜索执行方式：

搜索类型	行为	准确性	性能
query_then_fetch（默认）	先查询后获取	高	高
dfs_query_then_fetch	先收集全局词频再查询	更高	较低

dfs_query_then_fetch 在初始分发阶段计算分布式词频，以获得更精确的评分。但由于额外的网络开销，性能较差，通常不建议使用。

二、搜索API端点

2.1 基本格式

搜索API（_search）支持GET和POST两种HTTP方法，都可以执行搜索查询并返回匹配结果。

URI模式（使用查询参数）：

GET twitter/_search?q=user:kimchy

Body模式（使用请求体）：

POST twitter/_search
{
  "query": {
    "match": {
      "user": "kimchy"
    }
  }
}

2.2 多索引搜索

搜索API支持跨多个索引执行，可以使用多索引语法：

搜索指定索引：

GET twitter/_search?q=user:kimchy

搜索多个索引：

GET kimchy,elasticsearch/_search?q=tag:wow

搜索所有索引：

GET _all/_search?q=tag:wow

使用通配符：

GET twitter*/_search?q=user:kimchy

2.3 搜索端点格式总结

端点	说明
GET /index/_search	搜索指定索引
GET /index1,index2/_search	搜索多个索引
GET /*/_search	搜索所有索引
GET /_search	搜索所有索引
POST /index/_search	Body模式搜索指定索引

注意：为了确保快速响应，如果一个或多个分片失败，搜索API将以部分结果响应，HTTP状态码仍为200。相关分片的失败信息记录在响应的 shards 字段中。

三、URI搜索模式

3.1 基本语法

URI搜索模式通过 q 参数提供Lucene查询字符串，虽然功能不如Body模式的Query DSL丰富，但对于快速查询和调试非常方便：

GET twitter/_search?q=user:kimchy

3.2 Lucene查询语法

字段查询：字段名:值

user:kimchy        # 搜索user字段包含kimchy的文档
message:hello      # 搜索message字段包含hello的文档

通配符查询：

user:k*            # 以k开头的用户名
user:*chy          # 以chy结尾的用户名
user:k*mchy        # 包含k和mchy的用户名

布尔运算：

user:kimchy AND message:hello    # 同时满足
user:kimchy OR message:hello     # 满足任一
user:kimchy NOT message:hello    # 排除

范围查询：

age:[20 TO 30]       # 闭区间，包含20和30
age:{20 TO 30}       # 开区间，不包含20和30
age:[20 TO 30}       # 半开区间
created:[2024-01-01 TO 2024-12-31]    # 日期范围

模糊查询：

user:kimchy~2       # 编辑距离为2的模糊查询

短语查询：

message:"quick brown fox"    # 精确短语匹配

分组查询：

(user:kimchy OR user:elasticsearch) AND message:hello

通配符查询所有字段：

*:*                  # 匹配所有文档
_message:*           # 匹配所有非message字段的文档

3.3 查询语法示例对比

查询语法	含义	等价Query DSL
user:kimchy	user字段匹配kimchy	{"term":{"user":"kimchy"}}
user:kimchy AND message:hello	同时满足两个条件	{"bool":{"must":[...]}}
user:k*mchy~2	模糊匹配	{"wildcard":{...}} + {"fuzzy":{...}}
age:[20 TO 30]	范围查询	{"range":{"age":{"gte":20,"lte":30}}}
*:*	匹配所有	{"match_all":{}}

四、重要URI参数详解

4.1 df（默认字段）

df 参数指定当查询字符串中未指定字段时的默认搜索字段：

GET twitter/_search?q=elasticsearch&df=message

上述查询等价于 message:elasticsearch。

4.2 analyzer（指定分析器）

analyzer 参数指定用于解析查询字符串的分析器：

GET twitter/_search?q=hello world&analyzer=ik_smart

4.3 lenient（宽松模式）

lenient 参数设置为 true 时，将忽略格式错误的查询，而不是返回错误。默认为 false：

GET twitter/_search?q=user:kimchy&lenient=true

4.4 explain（评分解释）

explain 参数设置为 true 时，响应中将包含每个命中文档的评分计算细节：

GET twitter/_search?q=user:kimchy&explain=true

Explain API可以帮助分析文档的相关性分数是如何计算的。响应中最重要的是总分和总分的计算过程。如果总分等于0，则该文档不匹配给定的查询。两个关键因子是词频（Term在某字段中出现的次数）和文档频率（Term在索引中出现的文档数量）。

4.5 sort（排序）

sort 参数控制结果的排序方式。默认按 _score 降序排列：

GET twitter/_search?q=message:elasticsearch&sort=post_date:desc

多字段排序（Body模式）：

GET twitter/_search
{
  "query": {
    "match": { "message": "elasticsearch" }
  },
  "sort": [
    { "post_date": { "order": "desc" } },
    { "_score": { "order": "desc" } }
  ]
}

按_doc排序：不关心排序时使用 _doc 排序效率最高，特别适用于滚动查询：

GET twitter/_search?sort=_doc

4.6 from和size（分页）

from 参数定义结果偏移量，size 参数定义返回的最大结果数：

GET twitter/_search?q=message:elasticsearch&from=0&size=10

参数	默认值	说明
from	0	结果偏移量
size	10	返回最大结果数

注意：from + size 不能超过 index.max_result_window 的默认值（10000）。增大会导致系统开销线性增长。深度分页应使用 scroll API或 search_after。

4.7 terminate_after

terminate_after 参数指定每个分片在收集到足够命中结果后停止查询执行：

GET _search?q=message:number&size=0&terminate_after=1

适用于只需要知道是否有文档匹配的场景，不关心具体结果。

4.8 URI参数完整对比

参数	说明	默认值
q	查询字符串	-
df	默认搜索字段	-
analyzer	分析器名称	索引默认分析器
lenient	宽松模式	false
explain	评分解释	false
sort	排序字段	_score
from	结果偏移量	0
size	返回结果数	10
terminate_after	每分片最大命中数	无限制
request_cache	请求缓存	索引级设置
preference	分片选择偏好	自适应选择
timeout	搜索超时时间	无超时
routing	路由值	-

五、搜索分片信息

5.1 _search_shards API

_search_shards API返回搜索请求将针对其执行的索引和分片信息，对于调试路由和分片偏好问题非常有用：

GET twitter/_search_shards

响应示例：

{
  "nodes": {
    "r1A2WoRbTwKZ516z6NEs5A": {
      "name": "node_1",
      "transport_address": "127.0.0.1:9300"
    }
  },
  "indices": {
    "twitter": {}
  },
  "shards": [
    [
      {
        "index": "twitter",
        "node": "r1A2WoRbTwKZ516z6NEs5A",
        "primary": true,
        "state": "STARTED"
      },
      {
        "index": "twitter",
        "node": "r1A2WoRbTwKZ516z6NEs5A",
        "primary": false,
        "state": "STARTED"
      }
    ]
  ]
}

5.2 带路由的分片信息

GET twitter/_search_shards?routing=foo,bar

5.3 支持的参数

参数	说明
routing	逗号分隔的路由值列表
preference	控制优先在哪些分片上执行
local	是否在本地读取集群状态

六、搜索响应结构解析

6.1 完整响应示例

GET twitter/_search?q=message:elasticsearch

响应如下：

{
  "took": 5,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 1,
      "relation": "eq"
    },
    "max_score": 1.3862944,
    "hits": [
      {
        "_index": "twitter",
        "_type": "_doc",
        "_id": "1",
        "_score": 1.3862944,
        "_source": {
          "user": "kimchy",
          "post_date": "2009-11-15T14:12:12",
          "message": "Trying out Elasticsearch"
        }
      }
    ]
  }
}

6.2 响应字段详解

字段	说明
took	处理请求的毫秒数（从接收请求到返回结果）
timed_out	请求是否超时
_shards.total	搜索涉及的总分片数
_shards.successful	成功返回结果的分片数
_shards.skipped	跳过的分片数（因优化）
_shards.failed	失败的分片数
hits.total.value	匹配文档总数
hits.total.relation	计数精确度（eq=精确，gte=下限）
hits.max_score	最高相关度得分
hits.hits[]	命中文档数组
hits.hits[n]._index	文档所属索引
hits.hits[n]._id	文档ID
hits.hits[n]._score	文档相关度得分
hits.hits[n]._source	文档原始内容

6.3 命中总数追踪

track_total_hits 参数控制命中总数的精确度：

精确计数（默认）：

GET twitter/_search
{
  "track_total_hits": true,
  "query": {
    "match": { "message": "elasticsearch" }
  }
}

限制计数精度：

GET twitter/_search
{
  "track_total_hits": 100,
  "query": {
    "match_all": {}
  }
}

命中数在100以内精确计数（relation: eq），超过100时返回100作为下限（relation: gte）。

不跟踪总数：

GET twitter/_search
{
  "track_total_hits": false,
  "query": {
    "match": { "message": "elasticsearch" }
  }
}

6.4 空结果处理

当没有匹配文档时，hits数组为空，max_score为null：

{
  "took": 2,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 0,
      "relation": "eq"
    },
    "max_score": null,
    "hits": []
  }
}

七、URI搜索与Body搜索对比

特性	URI搜索（q参数）	Body搜索（Query DSL）
复杂度	简单	完整
功能	基本查询	支持所有查询类型
可读性	较差（URL编码）	好（JSON格式）
调试	快速测试	适合生产代码
布尔查询	AND/OR/NOT	bool查询（must/should/must_not/filter）
聚合	不支持	支持
高亮	不支持	支持
排序	简单排序	支持所有排序方式
适用场景	快速测试、简单查询	生产应用、复杂查询

八、总结与最佳实践

8.1 核心要点回顾

1. 分布式搜索采用Query Phase + Fetch Phase两阶段模型，先收集排序结果再获取完整文档
2. 搜索API支持GET和POST两种方法，支持跨索引和多索引搜索
3. URI搜索使用Lucene查询语法，适合快速测试和简单查询
4. Body搜索使用Query DSL，功能更完整，是生产环境的推荐方式
5. 分页使用from/size参数，但有10000条的限制，深度分页需要使用scroll或search_after
6. 搜索响应包含took、shards、hits等丰富信息，是监控和调试的重要数据来源

8.2 生产环境最佳实践

• 优先使用Body搜索：在生产代码中始终使用Query DSL，避免URI搜索的URL编码问题
• 合理设置size：不要设置过大的size值，避免一次性返回大量数据
• 利用路由优化：带路由的查询只搜索目标分片，显著提升搜索效率
• 关注_shards信息：监控 failed 分片数，及时发现集群问题
• 使用preference=_local：在读取密集型场景中使用 _local 减少网络开销
• 分页优化：浅分页使用from/size，深分页使用scroll（离线处理）或search_after（实时翻页）

---

上一篇【第17篇】Elasticsearch并发控制——refresh参数与乐观并发控制
下一篇【第19篇】Elasticsearch Body模式搜索详解——分页、排序与高亮

---