performance - 有酒店空房情况数据的Elasticsearch中的聚合性能问题

我正在构建一个小型应用程序，以使用Elasticsearch 6.8.0查找诸如booking.com这样的酒店客房可用性。

基本上，我每天和每个房间都有一个文档，其中指定了是否可用以及当天的价格。我需要运行具有以下要求的查询:

输入:

所需住宿的日子。

我愿意花费的最大金额。

我要查看的结果页面。

每页的结果数。

输出:

符合要求的每家酒店最便宜的报价 list ，按ASC顺序订购。

文件架构:

{
  "mappings": {
    "_doc": {
      "properties": {
        "room_id": {
          "type": "keyword"
        },
        "available": {
          "type": "boolean"
        },
        "rate": {
          "type": "float"
        },
        "hotel_id": {
          "type": "keyword"
        },
        "day": {
          "type": "date",
          "format": "yyyyMMdd"
        }
      }
    }
  }
}

我每个月都有一个索引，此刻我仅在同一个月内进行搜索。

我想出了这个查询:

GET /hotels_201910/_search?filter_path=aggregations.hotel.buckets.min_price.value,aggregations.hotel.buckets.key
{
  "size": 0,
  "query": {
    "bool": {
      "filter": [
        {
         "range": {
            "day": { "gte" : "20191001", "lte" : "20191010" }
          }
        },
        {
          "term": {
            "available": true
          }
        }
      ]
    }
  },
  "aggs": {
    "hotel": {
      "terms": {
        "field": "hotel_id",
        "min_doc_count": 1,
        "size" : 1000000
      },
      "aggs": {
        "room": {
          "terms": {
            "field": "room_id",
            "min_doc_count": 10,
            "size" : 1000000
          },
          "aggs": {
            "sum_price": {
              "sum": {
                "field": "rate"
              }
            },
            "max_price": {
              "bucket_selector": {
                "buckets_path": {
                  "price": "sum_price"
                },
                "script": "params.price <= 600"
              }
            }
          }
        },
        "min_price": {
          "min_bucket": {
            "buckets_path": "room>sum_price"
          }
        },
        "sort_by_min_price" : {
          "bucket_sort" :{
            "sort": [{"min_price" : { "order" : "asc" }}],
            "from" : 0,
            "size" : 20
          }
        }
      }
    }
  }
}

它有效，但是有几个问题。

太慢了。每天有10万个房间，在没有其他查询正在运行的计算机上返回大约需要500毫秒。因此，在实时系统中，这将非常糟糕。

在术语聚合中，我需要将"size"设置为大量，否则，不会考虑所有酒店和房间。

有没有办法改善这种聚合的性能？我试图将索引拆分为多个分片，但这没有帮助。

我几乎可以肯定这种方法是错误的，这就是为什么速度很慢。关于在这种情况下如何实现更快的查询响应时间的任何建议？

最佳答案

在找到答案之前，我不明白您为什么使用以下条件/汇总

"min_price": {
          "min_bucket": {
            "buckets_path": "room>sum_price"
          }
        }

您能否进一步说明为什么需要此服务。

现在，回答您的主要问题:

为什么要同时用room_id和hotel_id来表示。您可以获取搜索的所有房间，然后在应用程序端按hotel_id对其进行分组。

以下逻辑将为您提供按room_id分组并具有总和指标的所有文档。您可以对> 600个条件使用相同的脚本过滤器。

   {
      "size": 0,
      "query": {
        "bool": {
          "filter": [
            {
             "range": {
                "day": { "gte" : "20191001", "lte" : "20191010" }
              }
            },
            {
              "term": {
                "available": true
              }
            }
          ]
        }
      },
      "by_room_id": {
            "composite" : {
              "size": 100,
                "sources" : [
                    {
                      "room_id": {
                        "terms" : {
                          "field": "room_id"
                        }
                      }
                    }
                ]
            },
            "aggregations": {
                "price_on_required_dates": {
                    "sum": { "field": "rate" }
                },
                "include_source": {
                    "top_hits": {
                "size": 1,
                "_source": true
              }
            },
            "price_bucket_sort": {
                "bucket_sort": {
                        "sort": [
                          {"price_on_required_dates": {"order": "desc"}}
                        ]
                    }
                }
            }
        }
     }

另外，为了提高搜索效果，
https://www.elastic.co/guide/en/elasticsearch/reference/current/tune-for-search-speed.html