2. 节点查询缓存（Node Query Cache）：工作原理、参数配置与调优

2.1 工作原理

节点查询缓存（Node Query Cache，简称 Query Cache）是 Elasticsearch 在每个节点级别维护的缓存，用于缓存 过滤上下文（Filter Context） 中查询子句的结果集（文档 ID 位图）。当同一个过滤条件被多次执行时，可以直接从缓存中读取匹配的文档 ID，避免重复遍历倒排索引。

每个分片（Shard）在其所在的节点上拥有独立的 Query Cache 实例。缓存键由 分片 ID + 查询子句的哈希值 组成。当分片发生 refresh、merge 或 segment 被删除时，该分片对应的 Query Cache 条目会被自动失效。

2.2 参数配置：indices.queries.cache.size

该参数控制节点级别 Query Cache 的最大堆内存占比或绝对值。配置方式为 动态集群设置，支持百分比或具体字节值。

动态更新示例：

# 设置为堆内存的 15%
PUT _cluster/settings
{
  "persistent": {
    "indices.queries.cache.size": "15%"
  }
}

# 设置为绝对大小 512MB
PUT _cluster/settings
{
  "transient": {
    "indices.queries.cache.size": "512mb"
  }
}

2.3 监控指标

通过节点统计 API 和 cat API 可以获取 Query Cache 的实时状态。

监控命令示例：

# 查看所有节点的 Query Cache 统计
GET _nodes/stats/indices/query_cache?human

# 查看特定节点的缓存命中与逐出
GET _nodes/nodeId1,nodeId2/stats/indices/query_cache

# 使用 cat API 快速查看
GET _cat/nodes?v&h=name,queryCacheMemory,queryCacheHitCount,queryCacheEvictions

2.4 调优策略

1. 增大缓存空间： 当 evictions 持续增长且命中率低于 50% 时，适当增加 indices.queries.cache.size。
2. 优化查询结构： 将高频过滤条件放入 bool.filter 或 constant_score.filter，确保能被缓存。
3. 避免缓存污染： 对于低基数或高基数的唯一值过滤（如 UUID），缓存收益低，可考虑使用 index.query_cache.enabled: false 按索引禁用。
4. 分片数量控制： 每个分片独立维护缓存，分片过多会分散缓存内存，建议单节点分片数控制在 200~500 以内。
5. 监控与告警： 设置 evictions 的告警阈值，当每分钟逐出次数超过 100 时触发扩容或调参。

2.5 常见问题与避坑