ES理论：索引字段类型选择

汇总

1. keyword vs text：

• • keyword：精确匹配，用于过滤、聚合、排序。
  • text：全文搜索，用于内容检索。

1. 数值类型选择：

• • integer：整数值，如状态码、等级
  • long：大数值，如文件大小、价格
  • date：时间日期，支持范围查询

索引配置项设计

"settings": {
  "number_of_shards": 15,
  "number_of_replicas": 1,
  "refresh_interval": "30s"
}

• shards: 15 - 数据分片数，影响并行处理能力
• replicas: 1 - 每个分片的副本数，影响高可用性
• refresh_interval: 30s - 索引刷新间隔，影响数据实时性

索引字段类型

keyword

keyword类型：

"id": {
  "type": "keyword"
}

• 含义：用于精确值匹配，不分词
• 适用场景：ID、状态码、标签等需要精确匹配的字段
• 特点：支持聚合、排序，性能优于text类型

text类型

"fileName": {
  "type": "text",
  "analyzer": "ik_max_word",
  "search_analyzer": "ik_smart"
}

• 含义：全文搜索字段，会被分词
• analyzer：索引时使用的分词器
• search_analyzer：搜索时使用的分词器
• ik_max_word：细粒度分词
• ik_smart：粗粒度分词

多字段映射 (Multi-fields)

fileName的多字段定义：

"fileName": {
  "type": "text",
  "fields": {
    "keyword": {
      "type": "keyword",
      "ignore_above": 256
    },
    "raw": {
      "type": "text",
      "analyzer": "standard"
    }
  }
}

• fileName：主字段，使用IK中文分词
• fileName.keyword：keyword子字段，用于精确匹配、聚合
• fileName.raw：使用标准分词器的text子字段
• ignore_above: 256 - 超过256字符的不会被索引

path_analyzer

"filePath": {
  "type": "text",
  "analyzer": "path_analyzer",
  "fields": {
    "keyword": {
      "type": "keyword"
    }
  }
}

• path_analyzer：自定义路径分析器，用于文件路径的层次化搜索
• 可以搜索如 /home/user/documents/ 并匹配子路径

数值类型 float

"fileSize": {
  "type": "float"
}

• float：单精度浮点数，适合文件大小存储

日期类型

"updateTime": {
  "type": "date",
  "format": "yyyy-MM-dd HH:mm:ss||epoch_millis"
}

• format：支持多种日期格式
• yyyy-MM-dd HH:mm:ss：字符串格式
• epoch_millis：时间戳格式

tags字段设计

"tags": {
  "type": "keyword",
  "fields": {
    "text": {
      "type": "text",
      "analyzer": "ik_smart"
    }
  }
}

• tags：keyword类型，用于精确标签匹配
• tags.text：text类型，用于标签的全文搜索

自定义路径分析器

"analysis": {
  "analyzer": {
    "path_analyzer": {
      "type": "custom",
      "tokenizer": "path_tokenizer"
    }
  },
  "tokenizer": {
    "path_tokenizer": {
      "type": "path_hierarchy"
    }
  }
}

• path_hierarchy：专门用于路径层次结构的tokenizer
• 例如 /a/b/c 会被分词为：/a, /a/b, /a/b/c