首页
/ Lucene项目中search_after性能回归问题的分析与解决

Lucene项目中search_after性能回归问题的分析与解决

2025-06-27 12:09:37作者:凤尚柏Louis

背景介绍

在Apache Lucene 10.0.0版本候选构建的验证过程中,开发团队发现了一个严重的性能问题:当查询大部分(但非完全)排序的数据时,search_after功能的性能出现了显著下降(约10倍)。这一问题在Elasticsearch基准测试中表现明显,但在luceneutil基准测试中未被发现,因为后者缺乏对search_after功能的覆盖测试。

问题表现

该性能问题特别出现在以下场景:

  • 数据集大部分按特定字段排序,但并非完全有序
  • 使用search_after功能进行分页查询
  • 查询的竞争范围基于after值

典型查询示例如下:

TopFieldCollectorManager manager = new TopFieldCollectorManager(
    new Sort(new SortedNumericSortField("geoid", SortField.Type.LONG)),
    10,
    new FieldDoc(Integer.MAX_VALUE, 0.0f, new Long[] {searchAfter}),
    10);
TopDocs topDocs = searcher.search(new MatchAllDocsQuery(), manager);

问题分析

通过深入调查,团队将问题根源锁定在PR #13221引入的变更。性能分析显示:

  1. 在某些search_after值附近,查询性能会出现断崖式下降
  2. 新算法对数据布局非常敏感
  3. 在某些情况下,算法会加载超过一半的docId到堆内存中

性能测试数据显示,当search_after值从2986042变为2986043时,查询时间从0.16秒激增至13秒,展现出明显的性能拐点。

影响范围

这一问题影响多种常见数据集,包括:

  • http_logs中的timestamp字段
  • Genomes数据集中的geoid字段
  • Geonames数据集

这些数据集的特点是字段大部分有序但非完全有序,在实际应用中相当常见。

解决方案

考虑到Lucene 10发布周期和代码复杂性,团队采取了以下措施:

  1. 在branch_10_0分支中回退PR #13221的变更
  2. 允许Lucene 10 RC流程继续推进
  3. 继续研究根本原因,计划在10.x版本中修复

这种保守做法确保了发布质量,同时为后续修复保留了空间。由于这些变更属于实现细节,可以在次要版本中安全引入。

后续工作

团队还认识到需要:

  1. 在luceneutil基准测试中添加search_after功能覆盖
  2. 深入研究新算法的性能特征和边界条件
  3. 考虑在main和branch_10x分支中也应用回退

经验总结

这一事件凸显了:

  1. 全面基准测试覆盖的重要性
  2. 算法对数据分布敏感性的风险
  3. 发布流程中性能回归检测的关键作用

团队通过快速响应和谨慎决策,成功避免了将严重性能问题带入正式版本,同时为后续优化奠定了基础。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8