为了优先考虑查询吞吐量而不是召回率，您可以优化索引结构和搜索参数，以减少计算开销并加快响应时间。 关键是通过最小化每次查询处理的数据量并利用有效的查询执行策略来简化搜索过程。 这是实现此目标的方法
1. 简化索引结构 减小索引的大小和复杂性是第一步。 将索引字段的数量限制为仅对搜索至关重要的字段，例如，避免索引元数据或很少查询的字段。 使用更简单的分析器（例如，standard 而不是 edge_ngram）以最大限度地减少分词开销。 如果不需要，禁用评分、词条向量或位置数据等功能。 例如，在 Elasticsearch 中，设置 index_options: docs 会跳过存储位置信息，从而加快索引和搜索速度。 增加索引刷新间隔（例如，从 1 秒到 30 秒）以减少段创建频率，从而降低 I/O 压力并提高批量查询性能。
2. 优化搜索参数 调整查询执行设置以优先考虑速度。 尽可能使用过滤器而不是查询，因为过滤器是可缓存的并避免评分。 限制返回的结果数（例如，size=10）并禁用跟踪总命中数（例如，track_total_hits=false）以跳过代价高昂的计数计算。 选择像 query_then_fetch 这样的搜索类型（在分布式系统中）以避免全局评分的开销。 对于文本搜索，优先选择 term 或 match 查询，而不是计算量更大的 phrase 或 fuzzy 查询。 当排名不重要时，使用常量分数包装器来绕过相关性评分。
3. 调整分发和缓存 增加副本数量以在节点之间分配查询负载，从而提高并行性。 例如，在 Elasticsearch 中，设置 number_of_replicas=2 允许索引的三个副本处理读取流量。 使用路由将查询限制为特定分片，从而减少扫描的分片数。 启用请求缓存（例如，Elasticsearch 的 request_cache=true）以用于重复查询。 如果您的数据集允许，预先计算并缓存常用结果（例如，前 10 名热门产品），以便在不访问索引的情况下提供它们。 这些步骤减少了冗余计算和网络开销，直接提高了吞吐量。
通过简化索引、优化查询执行以及利用分发/缓存，您可以实现显着的吞吐量提升。 例如，产品搜索系统可能只索引 name 和 category，使用基于过滤器的查询，并缓存频繁搜索（如“500 美元以下的笔记本电脑”）。 这种方法在高速率场景中平衡了速度和“足够好”的召回率。