Lucene布尔查询中leadCost计算错误导致性能下降问题分析

问题背景

在Apache Lucene 10.0及以上版本中，布尔查询(Boolean Query)的实现存在一个关键的性能缺陷。当查询包含MUST和FILTER子句的组合时，系统会错误地计算leadCost值，导致查询性能显著下降。

技术原理

在Lucene的布尔查询实现中，当处理包含MUST和FILTER子句的查询时，系统需要确定哪个子查询应该作为"领导"查询(lead query)来驱动整个查询过程。这个选择基于各个子查询的cost()值，理论上应该选择成本最低的子查询作为领导查询。

在Lucene 10.0之前的版本中，这个逻辑是正确的：系统会从所有MUST和FILTER子查询中选择cost()值最小的那个作为领导查询。然而，在10.0版本重构后的代码中，这个逻辑出现了错误。

问题细节

当前有问题的实现代码如下：

long leadCost = subs.get(Occur.MUST).stream().mapToLong(ScorerSupplier::cost).min().orElse(Long.MAX_VALUE);
leadCost = subs.get(Occur.FILTER).stream().mapToLong(ScorerSupplier::cost).min().orElse(leadCost);

这段代码的问题在于：当查询同时包含MUST和FILTER子句时，leadCost最终总是等于FILTER子查询的最小cost值，即使MUST子查询中有更小的cost值。这与布尔查询的预期行为不符，理论上应该取两者中的最小值。

性能影响

这个计算错误会导致严重的性能问题，主要表现在：

1. 错误的leadCost值会导致IndexOrDocValuesQuery做出不合理的执行计划选择。当leadCost被高估时，系统可能会错误地选择索引扫描(Index Scorer)而不是更高效的文档值扫描(DocValues Scorer)。

2. 在实际案例中，这种错误选择导致查询性能下降了40%-300%。性能分析显示，大部分CPU时间被浪费在构建BulkScorer上，而不是实际的文档评分过程。

3. 当使用PointRangeQuery等查询类型时，错误的leadCost会导致系统构建不必要的BKD树相关数据结构，进一步加剧性能问题。

解决方案

正确的实现应该是在MUST和FILTER子查询中取全局最小值。修复后的代码应该类似于：

long mustMin = subs.get(Occur.MUST).stream().mapToLong(ScorerSupplier::cost).min().orElse(Long.MAX_VALUE);
long filterMin = subs.get(Occur.FILTER).stream().mapToLong(ScorerSupplier::cost).min().orElse(Long.MAX_VALUE);
long leadCost = Math.min(mustMin, filterMin);

最佳实践

对于使用Lucene 10.0及以上版本的用户，如果遇到以下情况，应该特别关注此问题：

1. 查询中同时包含MUST和FILTER子句
2. 查询性能比预期慢很多
3. 性能分析显示大量时间花费在构建查询执行计划而非实际评分上

建议升级到包含修复的Lucene版本，或者临时调整查询结构，避免MUST和FILTER子句的组合使用。

总结

这个bug展示了查询优化器中一个看似微小的逻辑错误如何导致显著的性能下降。它提醒我们，在查询执行计划的选择过程中，成本估算的准确性至关重要。对于Lucene用户来说，理解查询执行的内部机制有助于更好地诊断和解决性能问题。