技术分享丨Elasticsearch实操干货分享导读ElasticSearch是基于Lucene的搜索服务器。
它是提供了分布式多用户能力的全文搜索引擎。
Elasticsearch提供了强大的搜索、集合功能。
这里主要想跟大家探讨下Elasticsearch索引结构设计的优化以及Elasticsearch在易观锆云产品中的实践经验。
一、概述Elasticsearch提供了丰富的数据类型，支持各种复杂的数据结构和复杂的业务场景。
为了能够实现更快的索引速度和查询速度，在设计索引结构时，会考虑尽量减少字段数，减小文档大小，缩短索引过程，以期提高检索的速度。
另外也会结合业务场景在不同数据结构之间要有所取舍。
二、优化策略1._id生成策略_id的生成策略对索引速度影响非常大。
索引数据时，如果指定_id，Elasticsearch的版本检查机制会校验该_id是否存在，并生成新的版本号，默认先从缓存中取版本信息。
如缓存中不存在，则要执行一次检索，随着数据量的增加，该过程的耗时将逐步增加，写入速度逐步下降。
如果不指定_id，使用Elasticsearch自增ID，可以跳过版本检查机制，大大提高索引速度。
但是，这种场景主要用于不可变数据导入的场景，例如日志导入。
而对于大多数业务场景，都需要指定_id,在很多情况下，需要使用文档中一个或多个字段拼接生成唯一字符串，作为_id。
这种情况下，能很好地保证数据的唯一性，但是，无规则的字符串作为_id会明显拖累索引速度，根据测试结果，纯数字的_id，效率最高。
2. text or keywordElasticsearch中，字符串类型可以选择text和keyword，text类型在写入数据时，会被分词。
因此，如果没有分词查询的需要，字符串类型一律使用keyword类型更为高效。
3. number or keyword我们并非一定要用数值类型的字段（byte、integer、long...）存储数字，Elasticsearch在索引数据的时候，对不同数据类型做了不同优化以便于应对不同检索场景，对数值类型，提高了range query的查询速度，而对keyword类型，提高了term query 的查询速度. 因而在设计索引的时，针对数字，如各种ID，若不存在range query的情况，优先使用keyword类型。
