Elasticsearch异步搜索与滚动查询大数据分页实践
使用异步搜索与滚动查询处理大数据分页，结合 `search_after` 游标与资源策略，避免深分页退化，提供验证与监控方法。
搜索
Elasticsearch零停机索引切换：别名与Reindex治理
使用别名与 Reindex 实现零停机索引切换，规范映射演进、写入别名与回滚策略，保障线上查询与写入稳定。
Elasticsearch与OpenSearch：索引映射与查询DSL实践
围绕映射与分析器设计，构建高质量的搜索索引与查询，兼顾性能与相关性。
API 分页与搜索性能优化（2025）
API 分页与搜索性能优化（2025）高数据量下的分页与搜索需工程化优化，提升体验与稳定性。一、分页策略offset：简单但在大偏移下性能下降。cursor：基于排序键的稳定分页，适合滚动列表。二、索引与过滤索引：为排序与过滤字段建立复合索引。过滤：限制可组合条件与范围，避免全表扫描。三、缓存与观测
Elasticsearch索引生命周期管理：热温冷分层与滚动策略
利用 ILM 将索引分层与自动化滚动，优化成本与查询性能，并简化长期数据治理。
Elasticsearch路由与分片键设计：_routing与热点治理
使用 `_routing` 与合理分片键设计，使文档分布更均衡，降低热点与查询偏斜，提升性能与稳定性。
Intl.Collator：本地化排序与搜索匹配
使用 Intl.Collator 实现本地化排序与搜索匹配，按语言习惯处理大小写与重音差异，提升列表与检索体验。
Windows 搜索索引占用高或不返回结果的修复
通过索引选项、服务状态与目录排除策略，修复 Windows 搜索索引占用高或不返回结果的问题，并提供重建与日志验证步骤。
混合检索：BM25与向量ANN融合策略
结合传统词项检索与向量近似最近邻，构建高召回与高相关性的混合检索链路，并以重排序提升答案质量。
搜索相关性 BM25 与向量融合检索（2025）
搜索相关性 BM25 与向量融合检索（2025）融合检索在语义与关键词匹配间取得平衡，适用于通用搜索与问答。一、召回与融合BM25：关键词匹配精准，适合高精度短文本。向量：语义召回覆盖度高，适合自然语言与长文本。融合：按权重或学习排序融合两路结果。二、重排与评估重排模型：基于语义/特征的学习排序提升
