Elasticsearch 索引设计与查询优化实战：从映射到集群调优

映射决定了字段怎么被处理，写错映射的代价是重建索引。一个字段可以设置 text 用于全文搜索、keyword 用于精确匹配与聚合、integer 用于数值、date 用于日期范围。text 字段会经过分词器切成词项再建倒排索引，keyword 字段则原样保存。

PUT /articles/_mapping
{
  "properties": {
    "title":   { "type": "text", "analyzer": "ik_max_word" },
    "tag":     { "type": "keyword" },
    "views":   { "type": "integer" },
    "created": { "type": "date" }
  }
}

中文分词是 ES 落地的第一道坎。默认 standard 分词器按空格与标点切，中文会被整段当作一个词，搜"后端"匹配不到"后端开发"。生产环境通常安装 IK 分词器，ik_max_word 做细粒度切词用于索引，ik_smart 做粗粒度切词用于查询，配合自定义词典收录业务专有词。

倒排索引把"文档里有哪些词"反过来存成"词出现在哪些文档"。搜索"数据库"，先查词表定位"数据库"对应的文档链表，再做评分与排序。ES 的 Lucene 底层用跳表与位图压缩文档链表，查询时跳过无关文档，这就是它比 LIKE 快几个数量级的原因。

字段类型的选择直接影响磁盘与查询。能用 keyword 就别用 text，能聚合的字段必须是 keyword 或 doc_values 支持的类型；数值字段尽量用整数与浮点，避免字符串数字；object 与 nested 处理嵌套文档，nested 的数组查询语义才正确但性能开销大，能拍平就拍平。

# 典型电商商品映射片段
"sku":   { "type": "keyword" },
"name":  { "type": "text", "analyzer": "ik_max_word" },
"price": { "type": "double" },
"stock": { "type": "integer" }

ES 查询 DSL 是一套 JSON 语法，核心分两类：叶子查询负责匹配，复合查询负责组合。match 做全文匹配，term 做精确匹配，range 做范围过滤，bool 用 must、should、must_not 组合多个条件，是日常最常用的容器。

{
  "query": {
    "bool": {
      "must":   [ { "match": { "title": "后端 微服务" } } ],
      "filter": [
        { "term":  { "status": "published" } },
        { "range": { "views": { "gte": 1000 } } }
      ]
    }
  },
  "sort": [ { "created": "desc" } ],
  "from": 0, "size": 20
}

filter 子句不参与评分但参与过滤，能被缓存，把高频过滤条件放 filter 里能显著提速。排序字段要用 keyword 或开启 doc_values，避免对 text 字段排序；深分页用 search_after 而不是大 from，否则内存会爆。

聚合让 ES 在检索之外还能做统计。terms 聚合按字段分组计数，类似 SQL 的 group by；date_histogram 按时间桶聚合，是日志分析的主力；metrics 聚合计算 min、max、avg、sum 与 percentiles。聚合的字段必须是 keyword 或数值，text 字段要先加 keyword 子字段。

{
  "size": 0,
  "aggs": {
    "by_status": {
      "terms": { "field": "status.keyword", "size": 10 },
      "aggs": { "avg_views": { "avg": { "field": "views" } } }
    }
  }
}

聚合的精度与性能要权衡：terms 默认只取前几个桶，deep 聚合改用 composite 游标分页；date_histogram 的时间间隔按数据量选分钟、小时还是天。聚合是把双刃剑，写得好是分析利器，写不好就是集群杀手，监控聚合查询的耗时与内存占用很有必要。

ES 性能优化从模型、查询、集群三层入手。模型层：字段能精简就精简，关闭不需要的 _source 字段的加载，映射里禁用不用的聚合与 doc_values；查询层：优先 filter 缓存，控制 from 深度用 search_after，避免前缀通配查询，能精确匹配就不全文检索。

集群层：分片数在创建索引时定死，主分片按数据量与节点数规划，副本数按读压力调整；写入端用 bulk 批量提交，合并小的请求；刷新间隔 refresh_interval 从默认 1 秒调到 30 秒，写入吞吐能提升数倍，代价是搜索可见延迟变长，适合日志场景。