Timehash：高效商业时间段搜索的层次化时间索引

时间范围过滤是大规模搜索系统中的关键问题，尤其是位置服务筛选商家营业时间。传统方法 suffer from查询性能差（范围过滤）、索引大小爆炸（分钟级索引）或精度降低（粗粒度索引）。PostgreSQL TSRANGE with GiST索引提供了 exact语义，但在100K-1M规模下P50延迟为15-224 ms，难以用于交互式搜索，且无法嵌入反向索引管道。我们提出Timehash，一种层次化时间索引算法，在相对于分钟级索引中实现超过97%的索引大小减少，同时保持100%的精度。Timehash使用灵活的多分辨率策略，无缝集成到反向索引基础设施中。通过分析部署于18个月的生产位置搜索服务的1260万条记录，我们展示了通过边界分布分析实现的 domain-informed层次选择方法，在Yelp Open数据集（127K美国/加拿大商家）上进行跨数据集验证，其中相同的5级层次将总术语数减少至1分钟基线的0.77%（相对于生产数据集的2.17%）。我们评估了Timehash与naive反向方法、PostgreSQL GiST以及Elasticsearch中within-BKD基线。 在Yelp的单个Elasticsearch部署中，Timehash在匹配索引的前提下，对于典型的multi-predicate top-K工作负载（K <= 100），相对于native BKD实现实现1.14-2.17x更低的P50延迟，在大K值处的方法趋于一致，其中文档materialization占主导。五级层次（4h, 1h, 15m, 5m, 1m）将索引术语数减少至每个文档9.6个，实现97.8%的减少和46倍的压缩，同时实现零误报和零漏报。每个文档的成本在100K到1260万POI之间保持恒定，同时支持break times、不规则日程和跨午夜的范围。