關於我，
邯鄲人。
對這類話題感興趣？歡迎發送郵件至
donlianli@126.com;或者關注我的微信公眾號“猿界汪汪隊”
es在查詢時，可以指定搜索類型為QUERY_THEN_FETCH,QUERY_AND_FEATCH,DFS_QUERY_THEN_FEATCH和DFS_QUERY_AND_FEATCH。那么這4種搜索類型有什么區別？
分布式搜索背景介紹：
ES天生就是為分布式而生，但分布式有分布式的缺點。比如要搜索某個單詞，但是數據卻分別在5個分片（Shard)上面，這5個分片可能在5台主機上面。因為全文搜索天生就要排序（按照匹配度進行排名）,但數據卻在5個分片上，如何得到最后正確的排序呢？ES是這樣做的，大概分兩步。
step1、ES客戶端會將這個搜索詞同時向5個分片發起搜索請求，這叫Scatter,
step2、這5個分片基於本Shard獨立完成搜索，然后將符合條件的結果全部返回，這一步叫Gather。
客戶端將返回的結果進行重新排序和排名，最后返回給用戶。也就是說，ES的一次搜索，是一次scatter/gather過程（這個跟mapreduce也很類似）.
然而這其中有兩個問題。
第一、數量問題。比如，用戶需要搜索"雙黃連"，要求返回最符合條件的前10條。但在5個分片中，可能都存儲着雙黃連相關的數據。所以ES會向這5個分片都發出查詢請求，並且要求每個分片都返回符合條件的10條記錄。當ES得到返回的結果后，進行整體排序，然后取最符合條件的前10條返給用戶。這種情況，ES5個shard最多會收到10*5=50條記錄，這樣返回給用戶的結果數量會多於用戶請求的數量。
第二、排名問題。上面搜索，每個分片計算分值都是基於自己的分片數據進行計算的。計算分值使用的詞頻率和其他信息都是基於自己的分片進行的，而ES進行整體排名是基於每個分片計算后的分值進行排序的，這就可能會導致排名不准確的問題。如果我們想更精確的控制排序，應該先將計算排序和排名相關的信息（詞頻率等）從5個分片收集上來，進行統一計算，然后使用整體的詞頻率去每個分片進行查詢。
這兩個問題，估計ES也沒有什么較好的解決方法，最終把選擇的權利交給用戶，方法就是在搜索的時候指定query type。
1、query and fetch
向索引的所有分片（shard）都發出查詢請求，各分片返回的時候把元素文檔（document）和計算后的排名信息一起返回。這種搜索方式是最快的。因為相比下面的幾種搜索方式，這種查詢方法只需要去shard查詢一次。但是各個shard返回的結果的數量之和可能是用戶要求的size的n倍。
2、query then fetch（默認的搜索方式）
如果你搜索時，沒有指定搜索方式，就是使用的這種搜索方式。這種搜索方式，大概分兩個步驟，第一步，先向所有的shard發出請求，各分片只返回排序和排名相關的信息（注意，不包括文檔document)，然后按照各分片返回的分數進行重新排序和排名，取前size個文檔。然后進行第二步，去相關的shard取document。這種方式返回的document與用戶要求的size是相等的。
3、DFS query and fetch
這種方式比第一種方式多了一個初始化散發(initial scatter)步驟，有這一步，據說可以更精確控制搜索打分和排名。
4、
DFS
query then fetch
比第2種方式多了一個初始化散發(initial scatter)步驟。
DSF是什么縮寫？初始化散發是一個什么樣的過程？
從es的官方網站我們可以指定，初始化散發其實就是在進行真正的查詢之前，先把各個分片的詞頻率和文檔頻率收集一下，然后進行詞搜索的時候，各分片依據全局的詞頻率和文檔頻率進行搜索和排名。顯然如果使用DFS_QUERY_THEN_FETCH這種查詢方式，效率是最低的，因為一個搜索，可能要請求3次分片。但，使用DFS方法，搜索精度應該是最高的。
至於DFS是什么縮寫，沒有找到相關資料，這個D可能是Distributed，F可能是frequency的縮寫，至於S可能是Scatter的縮寫，整個單詞可能是分布式詞頻率和文檔頻率散發的縮寫。
總結一下，從性能考慮QUERY_AND_FETCH是最快的，DFS_QUERY_THEN_FETCH是最慢的。從搜索的准確度來說，DFS要比非DFS的准確度更高。