作者：來自 Elastic?Benjamin Trent,?Mayya Sharipova,?Chenhui Wang?及?Libby Lin

了解我們如何通過更快的 float / half_float 排序和 integer 排序的延遲優化來加快 Elasticsearch 排序速度。

Elasticsearch 引入了大量新功能，幫助你為你的使用場景構建最佳搜索解決方案。深入了解我們的示例筆記本，開始免費云試用，或立即在本地機器上嘗試 Elastic。

---

Elasticsearch 在字段類型排序速度方面持續優化，9.0.1 版本已加速了 float / half_float 排序。此外，即將發布的 Elasticsearch 9.1 也將帶來 integer 排序的顯著延遲提升。

這些新的排序優化不僅已應用于 Elastic Cloud Serverless，也將回溯至 Elasticsearch 8.19，讓尚未升級到 Elasticsearch 9.x 的用戶也能享受排序性能提升。

通過兩個不同的基準測試，我們觀察到延遲顯著改善：

• NYC Taxis 的 float 和 half_float 排序：提升 83 倍到 920 倍

• Http_logs 的 integer 排序：提升 41 倍到 531 倍

在這里查看我們對 http_logs 的 nightly 基準測試結果（注意：2025 年 5 月新增了排序延遲指標）。

背景

在 2020 年，我們在 Elasticsearch 7.6 中對 long 和 date 字段類型的排序進行了重大優化。例如，按最新時間戳排序檢索日志的速度大幅提升。隨后在 7.16 版本中，我們引入了 search_after 參數，支持了常見的分頁場景。

這一次，我們將同樣的優化應用到 integer、short 和 byte 字段類型，以及 float 和 half_float 字段類型。

根據你的數據及其在各個 segment 之間的分布情況，你可能會看到對 integer、short、byte、float 和 half_float 數據類型進行排序查詢的速度提升從幾倍到數百倍不等。

我們是怎么做到的？

我們沒有依賴 index sorting，而是采用了一種新方法：將 BKD（Block k-dimensional）樹與 distance 查詢結合使用。BKD 樹的葉子塊具有便于跳過的特性，因為每個塊的字段最小值和最大值是可比較的。

結合使用 distance_feature 查詢，我們可以在比較過程中快速判斷哪些塊不具備競爭性，從而跳過這些無效的數據區域，大大節省處理時間。

至于是從全局最小值還是最大值計算距離，取決于排序是升序還是降序。

這也意味著字段必須已建立索引，且不能為 null。

更詳細的內容可以參考我們之前關于排序查詢優化的博客。

下面是結果……

結果

NYC Taxis 基準測試

在 NYC Taxis 基準測試中（添加了 half_float 類型），性能提升范圍為 83 倍到 920 倍（通過舊的 P90 延遲除以新的 P90 延遲計算得出）：

從對數尺度的圖像上可以直觀看到顯著的提升：

Http_logs 基準測試

我們使用了開源工具 Rally 中的 http_logs track，采用了此處提供的默認設置。

在 integer 排序優化中，http_logs 基準測試的八種不同使用場景下，性能提升在 41 倍到 531 倍之間（同樣通過舊的 P90 延遲除以新的 P90 延遲計算得出）。

同樣，即使在對數尺度下，我們也能看到明顯的性能提升對比：

根據我們的 nightly 基準測試，integer 排序的性能提升非常顯著，結果如下復現：

許多用例都受益于這一性能提升，包括 Observability、Security 和 Search 中的分析儀表盤。更低的延遲也帶來了更高效的計算和更低的基礎設施成本。

展望 Elasticsearch 9.1

Elastic 9.1 還將包含其他令人興奮的改進，包括但不限于：

• ES|QL 全文搜索（MATCH、QSTR、評分）正式版

• 線性檢索器（推進混合搜索）

• HNSW 的 ACORN-1 性能提升

• 提前終止如何加速近似 KNN 搜索

我們致力于持續創新，幫助你構建最快的搜索應用。

原文：Elasticsearch sorting just got up to 900x faster - Elasticsearch Labs