1. 课程导论：跨集群搜索与联邦查询的背景、核心挑战与课程目标

1.1 背景：数据分布与搜索边界的外延

在单体索引时代，搜索引擎面对的是单一集群、同构数据源与可控的网络延迟。然而，现代业务场景正在快速突破这一边界：

• 多数据中心部署： 全球化业务要求搜索请求就近路由，避免跨洋延迟。
• 数据主权与合规： GDPR、PIPL 等法规要求数据不离境，搜索必须跨集群聚合结果。
• 异构存储系统： 部分数据在 Elasticsearch，部分在 OpenSearch，部分在自研倒排引擎。
• 组织边界隔离： 企业并购后，多个搜索集群需要统一查询入口，但索引结构互不兼容。

这些场景催生了两种核心架构模式：跨集群搜索（Cross-Cluster Search, CCS） 与 联邦查询（Federated Query）。前者通常指同构引擎集群间的搜索转发，后者则涵盖异构数据源与查询语言的统一抽象。

1.2 核心挑战：分布式搜索的四大难题

将搜索请求从单集群扩展到多集群/多数据源，并非简单的“请求转发+结果合并”。以下四个挑战贯穿整个课程：

1.3 架构全景：从单集群到联邦查询的演进

下图展示了搜索架构从单体到联邦的典型演进路径，以及本课程覆盖的关键技术节点：

1.4 课程目标与学习路径

完成本课程后，你将具备以下能力：

1. 架构选型能力： 根据业务规模、数据分布与延迟要求，选择 CCS 或联邦查询方案。
2. 核心算法掌握： 理解分布式 Top-K 合并、分数归一化、查询剪枝与动态超时策略。
3. 工程落地经验： 掌握 Elasticsearch CCS、OpenSearch 跨集群复制、Presto/Trino 联邦查询等主流方案的配置与调优。
4. 排错与优化： 能够诊断跨集群查询中的慢节点、结果偏差与权限问题。

1.5 适用人群与前置知识