面试题：ElasticSearch 文档操作标准化建设中的索引操作规范

Question

在 ElasticSearch 文档操作定义的标准化建设背景下，描述一下创建索引时需要遵循哪些标准化规范，以确保数据存储和检索的高效性与一致性，例如索引的命名规则、分片和副本的设置原则等。

Answer 1

索引命名规则

1. 可读性：命名应具有明确含义，能够清晰表达索引所包含数据的主题或用途。例如，对于用户相关数据的索引，可命名为 user - data ，避免使用晦涩难懂的缩写或无意义字符。
2. 唯一性：在整个 ElasticSearch 集群中，索引名称必须唯一，以防止混淆和数据冲突。
3. 遵循特定模式：可采用一定模式，如业务模块 - 数据类型 - 时间范围等。如 ecommerce - product - 202312 表示电商业务 2023 年 12 月的产品数据索引。
4. 避免特殊字符：除了 - 和 _ 等少数允许的字符外，尽量避免使用特殊字符，以免在某些客户端或工具中出现兼容性问题。

分片和副本设置原则

1. 分片数量：
   • 数据量考量：根据预估数据量来确定。如果数据量较小（如小于10GB），可适当设置较少分片，如1 - 3 个；对于大数据量（如TB级），则需更多分片。例如，对于100GB左右数据，可考虑设置10 - 20个分片，确保每个分片数据量在合理范围（如5 - 10GB），便于存储和检索。
   • 节点数量：结合集群节点数量。每个节点能承载的分片数量有限，一般建议每个节点上的分片数量不超过30个。例如，一个有5个节点的集群，总分片数不宜超过150个。
   • 查询性能：过多分片会增加查询的开销，因为每个分片都需要独立查询和合并结果。对于复杂查询场景，需平衡分片数量，避免过多分片导致性能下降。
2. 副本数量：
   • 高可用性：为保证数据高可用，至少设置1个副本。在某个节点故障时，副本可替代主分片继续提供服务。例如，重要业务数据可设置2 - 3个副本，确保在多个节点故障时数据仍可访问。
   • 资源消耗：副本会占用额外的磁盘空间和网络带宽，需根据集群资源情况设置。如资源有限的集群，可适当减少副本数量，如设置1个副本；资源充足的集群，可增加副本数量提高可用性。
   • 读性能提升：副本可分担读请求，提高读性能。对于读多写少的应用场景，可适当增加副本数量，如设置3 - 5个副本，将读请求分摊到多个副本上，提升整体读性能。

字段映射规范

1. 数据类型准确性：明确每个字段的数据类型，如文本类型使用 text ，数值类型根据范围选择 integer 、 long 、 float 等。避免错误类型映射导致数据存储和检索问题。
2. 分析器选择：对于文本字段，选择合适的分析器。如英文文本可使用 standard 分析器，中文文本可使用 ik 等中文分词分析器，确保文本能正确分词和索引，提高检索准确性。
3. 字段属性设置：合理设置字段属性，如 index 控制字段是否可被索引， store 控制字段是否存储原始值。对于不需要检索但需要显示的字段，可设置 index: false ，减少索引空间占用。

索引模板使用

1. 通用性：创建通用的索引模板，涵盖常见的索引设置，如命名规则、分片副本、字段映射等。这样新创建索引时可直接应用模板，确保所有索引遵循统一规范。
2. 版本管理：对索引模板进行版本管理，当索引规范发生变化时，可通过更新模板版本，逐步应用到新创建的索引，保证索引设置的一致性和可维护性。