Elasticsearch 7.x拆分query与aggs用_bulk执行性能是否优于单DSL？

结论 #

拆分查询与聚合为两个独立DSL执行（即使通过批量接口），性能远低于直接执行同时包含查询+聚合逻辑的单条DSL。

核心原因 #

• 重复查询开销：两个拆分的DSL使用了完全相同的查询过滤、function_score打分逻辑，对于1亿数据量级的索引，相当于需要完整执行两次全量文档匹配、打分流程，消耗两倍的CPU、磁盘IO资源。而单条DSL仅需要执行一次查询匹配，后续在同一份查询结果集上同时处理topN返回、聚合计算，没有重复的查询阶段开销。
• 批量接口误用：_bulk API本身是为批量写入、更新、删除等数据修改操作设计的，并不适配批量搜索场景，本身会产生额外的协议解析、请求分发冗余开销。即使你改用官方指定的批量搜索接口_msearch执行两条DSL，也依然无法抵消重复查询的性能损耗。
• 额外的全链路开销：两条独立请求需要经历两次完整的请求序列化/反序列化、协调节点任务调度、分片结果合并流程，链路开销是单条请求的两倍。

补充说明 #

你当前场景中的聚合仅为返回top100的terms聚合，属于轻量计算逻辑，和查询一起执行的额外开销极低，完全没有拆分的必要。如果后续要进一步优化性能，可以确认userID字段为keyword类型并开启全局序数，能有效降低terms聚合的耗时。

内容的提问来源于stack exchange，提问作者xuelai