performance - 在 Elasticsearch 中使用 function_score 时，过滤器是在 function_score 对象内部还是外部有关系吗？

Question

我正在查看一些旧代码以及是否有必要对其进行重构以提高性能。

想法是......使用function_score，您将一个函数应用于要返回的所有文档，因此，如果您只能在需要的文档上运行这些函数，那就更好了。

目前这样做的方式有点像这样(我已经简化了这里讨论的查询):

{
  "query": {
    "bool": {
      "must": {
        "function_score": {
          "query": {
            "match_all": {}
          },
          "functions": [
            {
              "gauss": {
                "updated_at": {
                  "origin": "now",
                  "scale": "7d",
                  "offset": "2d",
                  "decay": 0.5
                }
              }
            }
          ]
        }
      },
      "filter": [
        {
          "bool": {
            "must": [
              {
                "term": {
                  "indexed": true
                }
              }
            ],
            "must_not": [
              {
                "terms": {
                  "sale_stage": [
                    "on_hold",
                    "withdrawn",
                    "off_market"
                  ]
                }
              }
            ],
          }
        }
      ]
    }
  },
  "sort": [
    "_score",
    "_uid"
  ],
}

查询的内容并不重要。重要的是在函数分数之外有过滤器。

查询运行良好，并返回正确的数据。但是，我是否认为评分函数正在索引中的所有文档上运行然后被过滤，或者 ES 足够聪明来优化这里，因为它知道我想要一组过滤的数据？

换句话说，我可以将查询保留原样，或者应该变成这样:

{
  "query": {
    "bool": {
      "must": {
        "function_score": {
          "query": {
            "bool": {
              "must": {
                "match_all": {}
              },
              "filter": [
                {
                  "bool": {
                    "must": [
                      {
                        "term": {
                          "indexed": true
                        }
                      }
                    ],
                    "must_not": [
                      {
                        "terms": {
                          "sale_stage": [
                            "on_hold",
                            "withdrawn",
                            "off_market"
                          ]
                        }
                      }
                    ]
                  }
                }
              ]
            }
          },
          "functions": [
            {
              "gauss": {
                "updated_at": {
                  "origin": "now",
                  "scale": "7d",
                  "offset": "2d",
                  "decay": 0.5
                }
              }
            }
          ]
        }
      }
    }
  },
  "sort": [
    "_score",
    "_uid"
  ],
}

在第二个示例中，查询的意图是相同的，但我已将所有过滤转移到评分函数中。原因是，如果我有一个非常昂贵的功能(比如地理间距的东西)，我不想在每个文档上运行它。

我是否需要进行这个小的重构，还是因为 ES 对此进行了优化而没有必要？

Answer 1

您可以将过滤器留在 function_score 之外询问。这个想法是，如果你有几个 function_score查询，过滤只进行一次，然后所有的函数分数都在过滤后的数据集上运行。

另外，如果除了 function_score 之外还有聚合查询，然后绝对让过滤器在外面，以便也可以在减少的文档集上计算聚合。过滤器都是关于减少需要运行昂贵计算的文档集。