面试题：ElasticSearch映射属性设置对查询性能的深度影响分析

Question

假设有一个复杂的ElasticSearch索引，包含多种类型的字段（如文本、数字、日期等），且不同业务场景下会有不同的查询需求（如范围查询、精确匹配、模糊查询）。请详细分析不同映射属性设置（如doc_values、index、store等）对各类查询性能的影响，以及如何针对不同查询场景优化映射属性。

Answer 1

doc_values对查询性能的影响及优化

1. 数字、日期、IP等字段
   • 影响：doc_values是在索引构建时创建的一种列式存储结构，用于排序、聚合和脚本操作。对于数字、日期、IP等字段，开启doc_values能极大提升范围查询、排序和聚合操作的性能。例如，在按日期范围查询最近一周的数据并进行聚合统计时，如果日期字段开启了doc_values，ES可以快速从列式存储中读取相关数据进行计算，无需遍历整个倒排索引。
   • 优化：在数字、日期、IP等需要频繁进行排序、聚合操作的字段上，应始终开启doc_values。如在定义映射时：

{
  "mappings": {
    "properties": {
      "number_field": {
        "type": "long",
        "doc_values": true
      },
      "date_field": {
        "type": "date",
        "doc_values": true
      },
      "ip_field": {
        "type": "ip",
        "doc_values": true
      }
    }
  }
}

2. 文本字段
   • 影响：对于文本字段，默认情况下ES不会为其开启doc_values，因为文本字段通常用于全文搜索，倒排索引更适合此类操作。但如果需要对文本字段进行排序或聚合（如按某个关键词的出现频率聚合），开启doc_values会占用额外的磁盘空间，并且构建索引的时间会增加。
   • 优化：仅在确实需要对文本字段进行排序或聚合操作时，才开启doc_values。同时，可以考虑对文本进行多字段映射，一个字段用于全文搜索（不开启doc_values），另一个字段用于排序和聚合（开启doc_values）。例如：

{
  "mappings": {
    "properties": {
      "text_field": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "doc_values": true
          }
        }
      }
    }
  }
}

这里text_field用于全文搜索，text_field.keyword用于排序和聚合。

index对查询性能的影响及优化

1. 精确匹配查询
   • 影响：index属性决定字段是否被索引。对于精确匹配查询（如根据ID查询文档），只有当字段index为true时才能实现高效查询。如果设置为false，该字段无法被搜索到。例如，在根据用户ID精确查找用户文档时，ID字段必须设置index: true，ES会为其构建倒排索引，通过ID能快速定位到对应的文档。
   • 优化：对于需要进行精确匹配查询的字段，如ID、订单号等，务必设置index: true。在映射定义中：

{
  "mappings": {
    "properties": {
      "id_field": {
        "type": "keyword",
        "index": true
      }
    }
  }
}

2. 不需要搜索的字段
   • 影响：如果某些字段仅用于存储数据，不需要参与任何查询（如一些内部使用的元数据字段），设置index: false可以减少索引大小，加快索引构建速度。因为ES无需为这些字段构建倒排索引。
   • 优化：明确不需要搜索的字段，设置index: false。例如：

{
  "mappings": {
    "properties": {
      "internal_metadata": {
        "type": "text",
        "index": false
      }
    }
  }
}

3. 模糊查询
   • 影响：对于模糊查询，字段index必须为true。但不同的分析器设置会影响模糊查询的效果和性能。例如，使用标准分析器对文本进行分词后，模糊查询的范围和匹配程度会与自定义分析器不同。
   • 优化：选择合适的分析器对于模糊查询性能至关重要。对于英文文本，可以使用english分析器，它能更好地处理英文单词的词干提取等操作，提高模糊查询的准确性和效率。在映射中设置：

{
  "mappings": {
    "properties": {
      "text_for_fuzzy": {
        "type": "text",
        "index": true,
        "analyzer": "english"
      }
    }
  }
}

store对查询性能的影响及优化

1. 基本影响
   • 影响：store属性决定字段的值是否单独存储，与_source字段区分开来。如果设置store: true，可以直接从存储中获取该字段的值，而无需从_source字段中解析。但这会占用额外的磁盘空间。对于一些大字段（如长文本），如果频繁需要单独获取该字段的值，设置store: true可能会提升性能。然而，如果该字段很少单独被获取，开启store只会增加存储负担。
   • 优化：对于小字段或者经常和其他字段一起从_source中获取的字段，不建议设置store: true。对于大字段且频繁单独获取的场景，如单独获取文章内容字段，可以设置store: true。例如：

{
  "mappings": {
    "properties": {
      "article_content": {
        "type": "text",
        "store": true
      }
    }
  }
}

2. _source与store的权衡
   • 影响：如果关闭了_source（通过设置_source: false），并且需要获取某个字段的值，就必须设置store: true。但关闭_source会导致无法完整获取文档的原始内容，在一些需要返回完整文档的场景（如展示文档详情）会受限。
   • 优化：除非有非常明确的空间限制和仅获取特定字段的需求，一般不建议关闭_source。在这种情况下，合理评估是否设置store: true，优先从_source中获取字段值，只有在性能确实受限时，再考虑对特定字段设置store: true。