ElasticSearch涉及的缓存，大致有4种。分别为，page cache、node-level query cache、shard-level request cache、field data cache。
page cache 查询过程中读取 Lucene 文件时会被操作系统 pagecache 缓存，pagecache使用类似 LRU 的策略对数据进行淘汰，但是由于 pagecache 对所有文件一视同仁，并且难以控制，此处也不做深入讨论。
field data cache 对于 text 类型进行聚合等获取字段值的行为时才会用到 fielddata，他会占用大量内存。fielddata默认关闭，因为在 text 类型上执行聚合一般是没有意义的，因此这里不深入讨论。
好了，接下来，我们重点介绍node-level query cache和shard-level request cache。
shard-level request cache
介绍：
是分片级别的查询缓存，每个分片有自己的缓存。该缓存采用 LRU 机制，缓存的 key 是整个客户端请求，缓存内容为单个分片的查询结果。如果一个客户端请求被数据节点缓存了，下次查询的时候可以直接从缓存获取，无需对分片进行查询。缓存的实现在 IndicesRequestCache 类中，缓存的 key 是一个复合结构，主要包括shard，indexreader，以及客户端请求三个信息。
注意，上面加黑的“客户端请求”五个字。官方blog中有一句解释，“This cache helps a lot in speeding Kibana up by caching search responses consisting only of aggregations”就是说此缓存可以加快我们再kibana的搜索，为什么是kibana中搜索呢？因为我们的大部分请求，可能来自同一个kibana。
缓存策略：
并非所有的分片级查询都会被缓存。
缓存策略指哪些类型的查询需要缓存，哪些类型的缓存无需缓存。IndicesService#canCache 方法中定义了某个请求是否可以被缓存，简单的可以理解成只有客户端查询请求中 size=0的情况下才会被缓存，其他不被缓存的条件还包括 scroll、设置了 profile属性，查询类型不是 QUERY_THEN_FETCH，以及设置了 requestCache=false等。另外一些存在不确定性的查询例如：范围查询带有now，由于它是毫秒级别的，缓存下来没有意义，类似的还有在脚本查询中使用了 Math.random() 等函数的查询也不会进行缓存。
查询结果中被缓存的内容主要包括：aggregations（聚合结果）、hits.total、以及 suggestions等。
由于 Request Cache 是分片级别的缓存，当有新的 segment 写入到分片后，缓存会失效，因为之前的缓存结果已经无法代表整个分片的查询结果。所以分片每次 refresh之后，缓存会被清除。
缓存设置：
indices.requests.cache.size：默认堆内存的1%
index.requests.cache.enable：是否开启缓存，默认开启
node-level query cache
介绍：
node-level query cache 是 Lucene 层面实现的，封装在 LRUQueryCache 类中，默认开启。一个ES的查询会先被parse 成一系列的Lucene 的phrase，这些phrases 中的filter语句，如果对于查询条件是一样的时候，其实结果集是已定的，那么这些phrase 其实就是可以存放在一个地方当做cache用，这个就是 query cache
缓存策略：
并非所有的 filter 查询都会被缓存下来。
QueryCache策略决定某个查询要不要缓存。ES 使用 UsageTrackingQueryCachingPolicy作为默认的缓存策略，在这个策略中，判断某个查询要不要缓存，主要关注两点：
某些类型的查询，永远不会缓存，目前 shouldNeverCache 方法中定义了以下类型：
某条 query 的 访问频率大于等于特定阈值之后，该 query结果才会被缓存。对于访问频率，主要分为2类，一类是访问2次就会被缓存，包括： MultiTermQuery、MultiTermQueryConstantScoreWrapper、TermInSetQuery、PointQuery 在 isCostly方法中定义。其余类型的查询访问5次会被缓存。
最近使用次数如何统计的？lucene 里维护一个大小为256的环形缓冲，最近使用过的 query 会做一下 hash 保存到这个缓冲里，当缓冲满的时候直接覆盖最后一个，被访问一次也不会调整他在缓冲里的顺序。因此“最近访问频率”可以理解成：在最近的256个历史记录里，query 被访问的次数。
缓存设置：
indices.queries.cache.count：默认缓存10000个子查询的结果
indices.queries.cache.size：缓存大小默认为堆内存的10%
参考：https://www.elastic.co/guide/en/elasticsearch/reference/current/query-cache.html
https://www.elastic.co/guide/en/elasticsearch/reference/current/shard-request-cache.html
