5miles: ElasticSearch驱动的高效对外搜索实践与优化

5miles是一家企业利用Elasticsearch (简称ES) 进行其对外搜索业务的实践经验分享。2016年5月15日的Elastic Beijing Meetup上，该团队详细探讨了他们在面对高并发、实时性要求以及复杂查询场景时如何优化ES应用。 首先，5miles在"home"场景中的搜索需求极为关键，包括快速响应用户的个性化推荐、新商品的合理分布以及reboost操作后的商品展示。他们设定了严格的性能指标，如确保100%的home请求在1秒内完成，无论用户访问哪一页，下一页的数据已经预先计算。为了减少计算负担和提高展示速度，5miles采用了以下策略： 1. 每个请求设置特定区域（Box），通过将geoboundbox代替distance filter，实现了异步计算和缓存。 2. 计算box的过滤器放置在所有过滤器的首位，优先筛选。 3. 数据分析后，确定默认的300km范围作为Box大小。 4. 异步化请求处理，提前预加载数据。 针对自定义评分需求，5miles利用了functionscore guass函数，通过实现自定义的AbstractSearchScript类和NativeScriptFactory，提供了重载的评分逻辑。但同时也提醒注意ES的一些特性，如类型对象的重写和避免使用SourceLookup，因为后者可能导致性能问题。 在处理数据分词不敏感的问题时，5miles重写了距离计算方法，进行了评分规范化，设置了最小boost值以应对Gauss函数可能出现的score为0的情况。 优化效果显著，优化前，home请求占慢请求（>200ms）的比例高达75%，而优化后这个比例下降到6%，超过99.6%的请求都在200ms内完成，没有超过1s的请求，表明优化大大提高了搜索效率。 此外，5miles还在实践中引入了geohash技术，这有助于更精确地定位和检索地理位置相关的数据，进一步提升了搜索性能。整个过程中，5miles展示了如何灵活运用Elasticsearch的功能，结合业务实际需求进行高效的数据检索和处理，从而实现了一个高性能的对外搜索服务。