Elasticsearch的score script插件全量执行性能问题如何优化？

方案1：查询层直接过滤（性能最优） #

直接将已读文档过滤逻辑下沉到查询阶段，不需要依赖自定义脚本执行：

• 把用户已读的文档ID列表放入bool查询的must_not子句，通过ids查询直接在倒排索引检索阶段过滤已读文档，全程无脚本执行，性能远高于脚本过滤：

{
  "query": {
    "bool": {
      "must": [
        // 你的原有业务查询逻辑
      ],
      "must_not": [
        {
          "ids": {
            "values": ["已读文档ID1", "已读文档ID2", "已读文档IDn"]
          }
        }
      ]
    }
  }
}

• 如果已读ID列表长度超过默认的查询子句数量限制，可以调整indices.query.bool.max_clause_count参数适配；如果已读数据量级极大，可提前将用户已读关系同步到ES文档的用户维度嵌套字段中，改用term查询过滤即可。

方案2：通过rescoring机制实现仅分页文档执行脚本（适配必须保留脚本的场景） #

Elasticsearch原生的重打分（rescoring）机制默认仅对基础查询返回的Top N文档执行后续处理，完美匹配你要求的“仅分页涉及的文档执行脚本”的需求：

• 基础查询仅保留你的业务匹配逻辑，不需要携带脚本，将自定义score脚本放到rescore配置中，设置window_size为from + size的和，即仅处理当前分页需要的文档数量：

{
  "query": {
    // 你的原有业务查询逻辑，无脚本
  },
  "from": 0,
  "size": 50,
  "rescore": {
    "window_size": 50,
    "script_score": {
      "script": {
        "source": "你的自定义score脚本逻辑，已读文档返回0"
      }
    }
  },
  "min_score": 1 // 自动过滤脚本返回0的已读文档
}

• 该方案完全不会触发全量匹配文档的脚本执行，脚本仅作用于window_size指定的少量分页文档，性能提升幅度和全量匹配文档量级正相关。

方案3：深度分页场景适配 #

如果需要支持深度分页，可将分页方式换成search_after，配合rescore机制使用，每次查询仅处理当前批次的少量文档，避免深度分页带来的额外性能开销。

内容的提问来源于stack exchange，提问作者yinzl