本文共 2045 字，大约阅读时间需要 6 分钟。

Elasticsearch笔记：文本字段的处理与fielddata优化

索引（Index）与文档存储

在Elasticsearch中，一个文档被存储到一个叫做“索引”的地方。索引类似于传统数据库中的数据库，用于存储结构化文档。一个索引的复数形式是“indices”或“indexes”。需要注意的是，索引在Elasticsearch中有两种含义：

1. 索引（Index，名词）

索引是一个存储文档的集合，类似于关系型数据库中的数据库。每个索引可以包含多个文档，每个文档是一个JSON对象。

2. 索引（Index，动词）

将文档存储到索引中即为“索引”（index）。这类似于SQL中的INSERT操作。如果文档已存在，新文档会替换旧文档。

短语搜索（Phrase Match）

短语搜索用于精准匹配特定短语。例如，以下查询会匹配“about”字段为“rock climbing”的文档：

GET megacorp/employee/_search {
  "query": {
    "match_phrase": {
      "about": "rock climbing"
    }
  }
}

fielddata与文本字段处理

1. fielddata的作用

fielddata用于在内存中构建查询时的数据结构，主要用于聚合、排序和脚本访问。默认情况下，Elasticsearch不支持fielddata，以减少内存占用和提升性能。

2. fielddata的限制

• fielddata会占用较多内存，特别是在处理大规模文本字段时。
• 一旦fielddata加载到内存中，会在段生命周期内保留。
• 加载fielddata会导致查询延迟。

3. 启用fielddata的场景

在以下情况下需要启用fielddata：

• 当你需要对文本字段进行聚合、排序或脚本访问时。
• 当你希望通过搜索新值或旧值来匹配文档时。

例如，以下查询会聚合“interests”字段：

GET megacorp/employee/_search {
  "aggs": {
    "all_int": {
      "terms": {
        "field": "interests"
      },
      "aggs": {
        "avg_age": {
          "avg": {
            "field": "age"
          }
        }
      }
    }
  }
}

4. fielddata的正确使用方法

PUT megacorp/_mapping/employee {
  "properties": {
    "interests": {
      "type": "text",
      "fields": {
        "keyword": {
          "type": "keyword"
        }
      }
    }
  }
}
PUT megacorp/_mapping/employee {
  "properties": {
    "interests": {
      "type": "text",
      "fielddata": true
    }
  }
}

PUT与POST的区别

在Elasticsearch中，PUT和POST有不同的用途：

示例：使用POST插入文档

POST website/blog {
  "title": "My third blog entry",
  "text": "Third still trying this out...",
  "date": "2017/07/05"
}

示例：尝试使用PUT插入文档

PUT website/blog {
  "title": "My third blog entry",
  "text": "Third still trying this out...",
  "date": "2017/07/05"
}

会返回错误提示：“No handler found for uri [/website/blog] and method [PUT]”。

总结

通过以上内容，我们了解了Elasticsearch中索引、短语搜索、fielddata的使用以及 PUT与POST的区别。理解这些概念是掌握Elasticsearch基础的关键。