ES 关于 doc id 查询方式的认识误区？

[beryl]

先说明：是讨论和请教，不是分享

最近项目中在使用 ES 做存储和查询， 以 Mysql 的思维文档 Id, 是自己自定义的（ userId+type ）。认为这种方式查询:

twitter/tweet/0

但是查各种资料，并没有验证直接使用 id 这种是高效的， 也可以使用 DSL query 查询：

匹配 userId + type

所以想问下： get api 和 DSL query 差异在哪里呢, 自定义 id 并直接查询是不是更高效呢

[RedisMasterNode]

GET API 是根据 ID 获取的过程，这个过程中你的目标是明确（且唯一的），包括需要在哪个分片进行获取

Query 的时候，根据你的条件（例如查询 id 为 xxx 的 doc ），在各个分片中进行“搜索”，获取各个分片符合条件的 doc 的 id，在协调节点中进行合并，合并结果回到分片中拿出完整数据（ query then fetch，如果是 query and fetch 等会略有不同）

[beryl]

所以还是 get api 根据 id 直接获取更快对么

[wph95]

有点没看懂 强答一下，众所周知 elasticsearch 是 基于 lucene 上面包了一层

lucene document 被写入的时候会分配一个 seq id，也被称作是 doc id 。直接用这个 id 肯定是最高效的 勉强可以等价 mysql 里的 id

elasticsearch 的 document 是在 lucene 的 document 上加了东西。印象里 elasticsearch 会把 uid 转成 lucene docID (记得 lucene 的 docid 不能自定义 es 的可以)

至于 get api 和 DSL query，看过 es 的 6.3 的 dsl 代码, uid 是个特殊的字段的。所以讲道理 get api 和 DSL query 是等价的，get api 是一个 dsl query 的 template，不应该会有明显的性能差距。

[gimp]

复杂查询时使用 GET 参数方式可读性较差，理论上，相同功能的查询，它们两个性能是等价的。

[wangyzj]

不太懂楼主啥意思

[beryl]

@wangyzj
抱歉没描述清楚，已补充
核心疑惑是：使用 doc Id 直接查询是不是更快

[misaka19000]

性能肯定不一样啊，一个直接取数据，一个多了 query 这个过程

[wangyzj]

@beryl 没做过测试
我认为应该直接 get 应该更快吧

[xiaozi]

query 是准实时，get 是实时

[beryl]

@xiaozi 怎么理解

[xiaozi]

@beryl

对于 Search 类请求，查询的时候是一起查询内存和磁盘上的 Segment，最后将结果合并后返回。这种查询是近实时（ Near Real Time ）的，主要是由于内存中的 Index 数据需要一段时间后才会刷新为 Segment 。

对于 Get 类请求，查询的时候是先查询内存中的 TransLog，如果找到就立即返回，如果没找到再查询磁盘上的 TransLog，如果还没有则再去查询磁盘上的 Segment 。这种查询是实时（ Real Time ）的。这种查询顺序可以保证查询到的 Doc 是最新版本的 Doc，这个功能也是为了保证 NoSQL 场景下的实时性要求。

[w0000]

强行答一波，两个查询肯定是有差异的，说到底导致查询的性能差异还是要看查询是怎么走的索引，query 的话，如果你的 ID 是当 text 类型，那么走倒排索引，如果 ID 是 keyword 类型，走的是列式存储，而 get 走的是正向索引，总体来说，keyword 类型和 ID 的查询速度是差不多的

[123444a]

性能差别比 HBASE 的 get 和 scan 的差别要小