大数据软件图谱之搜索引擎 Elasticsearch
数据分析引擎 Elasticsearch 增删改查的基本API操作详解汇总
或到时代Java网站（https://NowJava.com）查看更多相关文章。
在使用ES时，我们常见的就是需要生成一个template来定义索引的设置，分词器，Mapping.本文将基于项目经验来总结一些常用的配置。
Index设置
index.refresh_interval
配置一个刷新时间，将index buffer刷新到os cache的时间间隔，刷新到os cache的数据才可以被索引到，默认是1s.如果对实时性搜索要求不高的地方,可设置时间为30s,提高性能。
number_of_replicas
对于集群数据节点 >=2 的场景，建议副本至少设置为 1（一主一从，共两个副本）， 可以提高集群容错和搜索吞吐量（副本分片可用于查询）。
index.number_of_shards
主副本的分片数，默认是5个，最大值限制为1024个，这个值是分片数可适当的增加，提高索引的并发性能，但是分片越多，也会导致资源耗费越高，索引要根据访问并发数和ES集群的资源来设置。经验公式：分片数 = 索引大小/分片大小经验值 30GB，官方推荐Shard值在 20-40GB性能最好，日志类：单分片<50GB；搜索类：单分片<20GB。不足100G，可直接设置3-5个分片（结合节点数和扩展性），超过100G则可以按照如上经验公式来规划。
index.max_result_window
索引能够查询到最大数据量，from size深分页的最大条数，默认是10000，适当限制这个值可以防止深分页内存占用过多，如果全量导出，需要使用Scroll游标办法。
index.store.preload
默认情况下，Elasticsearch完全依靠操作系统文件系统缓存来缓存I /
O操作.可以设置index.store.preload，以告知操作系统在打开时将热索引文件的内容加载到内存中。默认值为空，即不提前加载索引到内存中，常见的值有[“nvd”,
“dvd”, “tim”, “doc”, “dim”]。对应的norms, doc values, terms dictionaries,
postings lists， points，常见的设置为 index.store.preload = [“nvd”, “dvd”]，即提前加载norms评分信息和doc value数据到内存，便于快速索引。
index.sort.field 和 index.sort.order
建立索引的排序字段，写入的时候就按照顺序写入。对于一些具备顺序的字段，可以提前设置，比如时间字段。配置见下
{ “settings” : { “index” : { “sort.field” : “date”, // 字段名字 “sort.order” : “desc” // 升序 asc 和降序 desc } }}Mapping设置
动态映射
mapping的通用配置，dynamic_templates配置动态类型转换，将一个类型转换为另一个类型
{ “mappings”: { “_doc”: { “dynamic_templates”: [ { “strings_as_keywords”: { “match_mapping_type”: “string”, “mapping”: { “type”: “keyword” } } } ], “_source”: { “enabled”: true }, “properties”: { ….. } } }}
字段类型
a simple type like text, keyword, date, long, double, boolean or ip.
a type which supports the hierarchical nature of JSON such as object or nested.
or a specialised type like geo_point, geo_shape, or completion.
常见的类型和搜索类型的联系
（1）text 类型作用：分词，将大段的文字根据分词器切分成独立的词或者词组，以便全文检索。 适用于：email 内容、某产品的描述等需要分词全文检索的字段； 不适用：排序或聚合（Significant Terms 聚合例外）
常见的搜索类型使用的字段类型
term 精确匹配 核心功能：不受到分词器的影响，属于完整的精确匹配。 应用场景：精确、精准匹配。 适用类型：keyword。
prefix 前缀匹配 核心功能：前缀匹配。 应用场景：前缀自动补全的业务场景。 适用类型：keyword。
wildcard 模糊匹配 核心功能：匹配具有匹配通配符表达式 keyword 类型的文档。支持的通配符：*，它匹配任何字符序列（包括空字符序列）；？，它匹配任何单个字符。 应用 场景：请注意，选型务必要慎重！此查询可能很慢多组关键次的情况下可能会导致宕机，因为它需要遍历多个术语。为了防止非常慢的通配符查询，通配符 不能以任何一个通配符*或？开头。 适用类型：keyword。
match 分词匹配 核心功能：全文检索，分词词项匹配。 应用场景：实际业务中较少使用，原因：匹配范围太宽泛，不够准确。 适用类型：text。
match_phrase 短语匹配 核心功能：match_phrase 查询首先将查询字符串解析成一个词项列表，然后对这些词项进行搜索; 只保留那些包含 全部 搜索词项，且 位置”position” 与搜索词 项相同的文档。 应用场景：业务开发中 90% 的全文检索都会使用 match_phrase 或者 query_string 类型，而不是 match。 适用类型：text。
multi_match 多组匹配 核心功能：match query 针对多字段的升级版本。 应用场景：多字段检索。 适用类型：text。
query_string 类型 核心功能：支持与或非表达式 其他N多配置参数。 应用场景：业务系统需要支持自定义表达式检索。 适用类型：text。
bool 组合匹配 核心功能：多条件组合综合查询。 应用场景：支持多条件组合查询的场景。 适用类型：text 或者 keyword。一个 bool 过滤器由三部分组成： must ——所有的语句都 必须（must） 匹配，与 AND 等价。 must_not ——所有的语句都 不能（must not） 匹配，与 NOT 等价。 should ——至少有一个语句要匹配，与 OR 等价。 filter——必须匹配，运行在非评分&过滤模式。
range范围搜索类型
适用类型：long,integer,double或者 date
Mapping 字段的参数设置
（1）index，倒排索引，not_analyzed，注意是否分词，尽量精简schema字段个数，不会被检索的字段就不要建立倒排。.field(“index”, “no”)
（2）doc values，正排索引，用于聚合或者排序
（3）norms，analyzed norms存储了多种正则化算子，用于docs的排序评分，如果不需要排序，可以disable norms
（4）index_options，有docs(文档有无), freqs(重复出现的文档评分更高), positions(涵盖了前2种，并且多了位置信息，用于临近查询), offsets(全部，用于高亮)四类
ES 索引template模板参考例子
PUT _template/test_template{ “index_patterns”: [ “test_index_*”, “test_*” ], “settings”: { “number_of_shards”: 1, “number_of_replicas”: 1, “max_result_window”: 100000, “refresh_interval”: “30s” }, “mappings”: { “properties”: { “id”: { “type”: “long” }, “title”: { “type”: “keyword” }, “content”: { “analyzer”: “ik_max_word”, “type”: “text”, “fields”: { “keyword”: { “ignore_above”: 256, “type”: “keyword” } } }, “available”: { “type”: “boolean” }, “review”: { “type”: “nested”, “properties”: { “nickname”: { “type”: “text” }, “text”: { “type”: “text” }, “stars”: { “type”: “integer” } } }, “publish_time”: { “type”: “date”, “format”: “yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis” }, “expected_attendees”: { “type”: “integer_range” }, “ip_addr”: { “type”: “ip” }, “suggest”: { “type”: “completion” } } }}
—
知识分享，时代前行！
~~ 时代Java
还有更多好文章……
请查看历史文章和官网，
↓有分享，有收获~
