查询优化
在日常的业务开发中，opensearch出现慢查询是很常见的，用户不恰当的操作、filter内容过多、某段时间激增的QPS都有可能导致慢查询的现象发生。opensearch提供的慢Query分析可以指定时间段查询高LCU花销的慢Query详情，并获得相应的优化建议，协助您降低成本。
优势
-
0元购：该功能开通即享，免费使用
-
随心查：可快速查询过去一个月的慢查询记录，并获取相应的优化建议
-
全方位：可根据平均消耗、峰值、消耗总量query个数占比等维度分析慢Query的原因，并且支持以上维度的大小排序
注意事项
-
目前暂时只支持对前一天数据进行分析，分析过的历史数据抽样最多保留30天
功能使用
1.开通慢查询优化：当用户第一次使用“查询优化”时，可以通过左侧导航栏功能扩展---->查询优化 来开启慢查询分析服务
选择需要开启慢query优化的应用，勾选开通查询Query分析服务和阅读用途承诺书，单击“确认开通”即可开启慢query分析服务。
2.分析query数据：开通服务之后，可根据“按日期查询”也可根据“按requestId查询”：
按日期查询：单击界面中的立即分析
等待分析完成。
按requestId查询：输入有效的requestId单击查询
查询后，系统返回包含优化建议和优化示例两列的结果表格。常见优化建议包括：减少 sorted_doc_count_in_qrs（降低 start+hit 值，例如将 hit:500 优化为 hit:50）、减少 seek_times（增加查询条件或改用 filter 子句）、减少 match_doc_count（增加查询或过滤条件，例如追加 AND status:4），每条建议均附带原始 Query 与优化后 Query 对比示例。
输入格式错误会有相关提示
例如输入无效的 requestId 123 并单击查询后，系统弹出错误提示对话框，提示"查询分析建议不存在，请检查RequestId是否有效"，错误码为 Optimizer.OperationFailed.NoData。
3.等待慢query数据分析之后，查看结果：可以选择不同的时间范围查询具体哪一天的慢查询结果。
也可以按不同维度对分析结果进行排序。
单击具体的慢Query类别语句，可以查看具体的搜索请求的RequestId、Query、 总消耗(LCU)、检索消耗(LCU)、统计消耗(LCU)、排序消耗(LCU)、摘要消耗(LCU)、其他消耗(LCU)以及优化建议。
其他 LCU 优化方法
除使用慢 Query 分析识别高消耗查询外，还可通过以下方式降低 LCU 消耗：
-
减少召回文档数：在 config 子句中设置
hit不超过 50，降低单次查询召回的文档数。示例：config=start:0,hit:50,format:fulljson -
添加过滤条件：在 config 子句中添加
filter参数，降低命中文档数。示例：config=start:0,hit:10,format:fulljson,filter=id>=0 -
使用数值分析和 range 检索：对大量使用模糊搜索及 filter 范围查询的字段，在索引结构中将分析方式设为数值分析，使用 range 检索降低 LCU 消耗。操作路径：实例详情 > 线下变更 > 索引结构，将目标字段的分析方式从关键字改为数值分析；检索时使用范围查询，例如：
filter=id>100000