Elasticsearch 索引建立指南

1. 索引结构设计

在建立 Elasticsearch 索引时，需要根据字段的用途选择合适的 mapping 方式。主要从以下几个维度进行分析：

• 是否需要分词：针对全文搜索的数据，通常需要分词（如文章内容、商品描述等）。
• 是否用于搜索：决定字段是否需要被检索（如用户 ID 可能不用于搜索）。
• 是否需要存储：部分字段仅用于索引，不需要存储（如日志数据的原始文本可能不存储）。
• 是否需要聚合：如品牌、类别等字段可能用于聚合统计。
• 是否唯一：如用户 ID、邮箱等唯一值可以不分词，且通常不需要索引。

2. 不同类型字段的索引策略

2.1 需要分词的字段

• 文章内容 (content)
• 商品描述 (description)
• 网络热词 (hot_keywords)

示例索引：

{
    
    
  "mappings": {
    
    
    "properties": {
    
    
      "content": {
    
    
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "description": {
    
    
        "type": "text",
        "analyzer": "ik_smart"
      },
      "hot_keywords": {
    
    
        "type": "text",
        "analyzer": "standard"
      }
    }
  }
}

2.2 需要索引但不分词的字段

• 品牌 (brand)
• 类别 (category)
• 人名 (person_name)
• 地名 (location)
• 标签 (tags)

示例索引：

{
    
    
  "mappings": {
    
    
    "properties": {
    
    
      "brand": {
    
    
        "type": "keyword"
      },
      "category": {
    
    
        "type": "keyword"
      },
      "person_name": {
    
    
        "type": "keyword"
      },
      "location": {
    
    
        "type": "keyword"
      },
      "tags": {
    
    
        "type": "keyword"
      }
    }
  }
}

2.3 仅存储但不索引的字段

• 邮箱 (email)
• 电话号码 (phone)
• 用户 ID (user_id)
• 隐私数据 (private_data)

示例索引：

{
    
    
  "mappings": {
    
    
    "properties": {
    
    
      "email": {
    
    
        "type": "keyword",
        "index": false
      },
      "phone": {
    
    
        "type": "keyword",
        "index": false
      },
      "user_id": {
    
    
        "type": "keyword",
        "index": false
      },
      "private_data": {
    
    
        "type": "keyword",
        "index": false
      }
    }
  }
}

2.4 经纬度字段的索引规则

可以参照 Elastic 中国社区官方博客：Elasticsearch：Geo Point 和 Geo Shape 查询解释，里面有如何传参的详细说明

• 地理坐标 (location) - 适用于 geo_point 类型，存储单个经纬度点。
  

• 地理区域 (geo_area) - 适用于 geo_shape 类型，存储多边形、线、圆等地理形状。
  

示例索引：

{
    
    
  "mappings": {
    
    
    "properties": {
    
    
      "location": {
    
    
        "type": "geo_point"
      },
      "geo_area": {
    
    
        "type": "geo_shape"
      }
    }
  }
}

说明：

• geo_point：用于存储单个经纬度坐标点，常用于位置搜索和排序。

  • 示例数据：

    {
            
            
      "location": {
            
            
        "lat": 40.7128,
        "lon": -74.0060
      }
    }
    

  • 适用场景：
    • 附近地点搜索（geo_distance 查询）。
    • 位置排序（按距离升序或降序）。
    • 位置过滤（geo_bounding_box）。

• geo_shape：用于存储复杂的地理形状，如多边形、线、圆等，适用于地理区域查询。

  • 示例数据：

    {
            
            
      "geo_area": {
            
            
        "type": "polygon",
        "coordinates": [[[30, 10], [40, 40], [20, 40], [10, 20], [30, 10]]]
      }
    }
    

  • 适用场景：
    • 地理围栏（geo_shape 查询）。
    • 区域匹配（如某个点是否在指定区域内）。
    • 复杂路径匹配（如物流线路）。

3. 复合字段的存储策略

有时候，我们希望同时支持全文检索和精确匹配，可以使用 text 和 keyword 的组合类型。

示例索引：

{
    
    
  "mappings": {
    
    
    "properties": {
    
    
      "title": {
    
    
        "type": "text",
        "analyzer": "ik_max_word",
        "fields": {
    
    
          "raw": {
    
    
            "type": "keyword"
          }
        }
      }
    }
  }
}

4. 额外优化建议

• 使用 copy_to 聚合多个字段，方便搜索时匹配多个字段内容。
• 为大文本字段启用 ignore_above 限制索引的最大长度，避免存储过长数据。
• 合理选择 analyzer（ik_max_word 适合搜索，ik_smart 适合精准匹配）。
• 避免对高基数字段（如 email、user_id）建立索引，以减少存储开销。

5. 结论

根据数据的不同用途，我们需要合理选择索引策略：

• 全文搜索字段 使用 text 并配置合适的 analyzer。
• 精确匹配字段 使用 keyword，避免分词。
• 非检索字段 直接 index: false，减少索引存储。
• 复合查询字段 结合 text 和 keyword 进行优化。
• 地理位置字段 使用 geo_point 或 geo_shape 进行索引。

这样可以在保证搜索效率的同时，减少不必要的索引开销，提高 Elasticsearch 的查询性能和存储效率。