Solr查询性能优化求助：核心含2000万条记录时查询耗时超10秒

针对你这条耗时超10秒的查询，我结合Solr的实战经验给你梳理几个针对性的优化方向，一步步调整应该能大幅提升速度：

• 优化字段索引配置，优先启用DocValues
  你的查询里的过滤字段（head、domain、state、type）都是布尔、整数或枚举类型，务必确保它们的字段配置精准：

  • 设置indexed="true"（保证能被过滤查询命中），非必要展示的字段设stored="false"（减少索引体积）
  • 给所有用于过滤和排序的字段开启docValues="true"，尤其是排序用的modified字段。DocValues能让Solr直接从磁盘读取过滤/排序所需的数据，避免加载整个文档到内存，对大数量级数据集的性能提升非常明显。

• 把过滤条件迁移到Filter Query（fq）中
  你当前所有条件都塞在q参数里，建议把过滤性的条件拆分到fq参数中，修改后的查询示例：

  q=*:*&fq=head:true&fq=domain:100&fq=state:1&fq=type:(text OR idoc)&start=0&rows=60&df=metainfo&fl=*,score&sort=modified asc
  

  原因是fq的结果会被Solr的FilterCache缓存，后续相同的过滤条件可以直接复用缓存结果，不用重新扫描索引，这对重复执行的查询提升极大。而且q=*:*还能避免不必要的相关性评分计算（如果你的业务不需要基于metainfo的匹配逻辑的话）。

• 减少返回字段的数量
  你现在用fl=*,score返回所有字段，这会让Solr加载并传输大量不必要的数据。如果业务上不需要全量字段，只列出需要的字段（比如fl=id,modified,type,score），能显著降低IO和网络开销。如果确实需要很多字段，检查每个字段的stored属性，只保留必要存储的字段。

• 调整缓存配置适配大数据集
  针对2000万条记录的规模，合理的缓存配置至关重要：

  • 调整FilterCache的大小（在solrconfig.xml的<filterCache>节点），确保能缓存常用的过滤结果，比如把size设为512或更高，autowarmCount设为size的一半左右，让缓存预热更高效。
  • 开启QueryResultCache，缓存start=0&rows=60这类固定分页的查询结果，相同查询直接返回缓存。
  • 确保Solr的堆内存足够（建议设为机器内存的50%，但不超过32G），避免因内存不足导致缓存失效或频繁GC。

• 分析查询执行计划，定位瓶颈
  给查询加上&debug=query,results参数，查看Solr的执行计划：

  • 确认所有过滤条件都用到了索引，没有出现全表扫描的情况。
  • 检查modified字段的排序是否用到了DocValues，有没有依赖低效的FieldCache。

• 考虑分片部署拆分数据压力
  2000万条记录单核心压力确实大，可以考虑把数据分片到多个Solr节点。比如按domain字段分片（你的查询里固定了domain:100），这样查询时可以直接路由到对应的分片，只扫描部分数据，并行处理能大幅提升速度。

• 优化索引结构减少碎片化

  • 定期在低峰期执行索引优化（optimize命令），减少索引的段（segment）数量，避免查询时扫描过多段。注意optimize会锁索引，不要在业务高峰期执行。
  • 调整autoCommit和softCommit的配置，避免频繁提交导致索引碎片化，平衡数据新鲜度和索引性能。

• 避免不必要的评分计算
  如果你的业务不需要score字段，可以从fl中去掉它，并且用q=*:*配合fq的方式，让Solr跳过相关性评分的计算，节省CPU资源。

内容的提问来源于stack exchange，提问作者Murali Y