搜索召回率和吞吐量之间的关系涉及一种权衡：更高的召回率通常需要更多的计算资源，这会降低吞吐量，而针对吞吐量进行优化通常涉及简化流程，这可能会降低召回率。平衡这些需要了解您的应用程序的优先级并进行有针对性的系统调整[7][9]。
召回率与吞吐量动态 召回率衡量的是搜索系统从总可用项目中检索到的相关项目数量，而吞吐量是指每秒处理的查询数量。为了实现高召回率，系统通常需要扫描更大的数据集，应用复杂的排名算法或使用更广泛的搜索参数。这些步骤会增加计算负载，直接降低吞吐量。例如，一个扫描 1000 万个项目并带有详细过滤器的产品搜索引擎的吞吐量将低于一个扫描 100 万个项目并带有基本关键字匹配的搜索引擎[8][9]。
调整系统参数 开发人员可以调整
- 索引粒度：较小型的分布式索引可以减少查询延迟，但可能会拆分相关数据，从而降低召回率。像基于术语的分区这样的分片策略可以提供帮助[9]。
- 查询复杂性：限制过滤器或排名阶段（例如，减少 ML 模型层）可以提高吞吐量。例如，在高峰流量期间，电子商务应用程序可能会优先考虑价格/交货时间过滤器，而不是个性化推荐。
- 缓存：存储频繁的查询结果（例如，“最畅销的手机”）可以绕过资源密集型搜索，从而释放容量来执行高召回率任务，例如新产品发现。
- 特定于场景的优化 需要高召回率的应用程序（例如，法律文件检索）可能会使用带有异步查询的批处理，从而接受较低的吞吐量。相反，实时系统（例如，聊天搜索）通常会限制召回深度 - 仅搜索最近的消息 - 以保持响应速度。混合方法（例如，在非高峰时段预先计算召回率优化的结果）可以平衡这两个指标[7][9]。使用 A/B 框架在负载下测量召回率-吞吐量曲线对于调整至关重要。