2

我已经阅读了有关源过滤、存储字段和文档值的文档。

在某些情况下，存储字段是有意义的。例如，如果您有一个包含标题、日期和非常大的内容字段的文档，您可能只想检索标题和日期，而不必从大的 _source 字段中提取这些字段

stored_fields 参数是关于在映射中显式标记为存储的字段，默认情况下是关闭的，通常不推荐使用。改为使用源过滤来选择要返回的原始源文档的子集。

所有支持 doc 值的字段都默认启用它们。

示例 1

我有title（短字符串）和content（> 1MB）的文档。我想搜索匹配的标题，并返回标题。

  1. 使用源过滤
GET /_search
{ _source: "obj.title", ... }
  1. 使用存储字段
GET /_search
{ _source: false, stored_fields: ["title"], ... }
  1. 带有文档值
GET /_search
{_source: false, stored_fields: "_none_", docvalue_fields: "title", ... }

可以，然后呢

  • 源过滤请求会_source从磁盘读取完整的标题和内容，然后应用过滤器并仅返回标题，还是弹性搜索仅从磁盘读取标题？
  • 源过滤请求会使用文档值吗？
  • 存储字段是存储分析的标记还是原始值？
  • 存储的字段或文档值是否比 _source 效率更高或更低？
4

1 回答 1

5

源过滤请求会从磁盘读取完整的_source、标题和内容，然后应用过滤器并仅返回标题，还是弹性搜索仅从磁盘读取标题？

您发送给 Elasticsearch 索引的文档将存储在一个名为_source（默认情况下）的字段中。因此，这意味着如果您的文档包含大量数据（例如在content您的情况下的字段中），则完整内容将存储在该_source字段中。使用源过滤时，首先必须从_source字段中检索整个源文档，然后只title返回该字段。您正在浪费空间，因为该字段没有真正发生任何事情content，因为您正在搜索title并仅返回title值。

在你的情况下，你最好不要存储_source文档，而只存储title字段（但它也有一些缺点，所以在你做之前阅读这个），基本上是这样的：

PUT index
{
  "mappings": {
    "_source": {
      "enabled": false
    },
    "properties": {
      "title": {
        "type": "text",
        "store": true 
      },
      "content": {
        "type": "text"
      }
    }
  }
}

源过滤请求是否会使用文档值？

默认情况下，所有字段都启用 doc-values，但分析的文本字段除外。如果您使用_source过滤，则不使用文档值，如上所述，_source检索该字段并过滤您指定的字段。

存储字段是存储分析的标记还是原始值？

存储字段存储_source文档中存在的确切值

存储的字段或文档值是否比 _source 效率更高或更低？

doc_values 是一个不同的野兽，它更多地是一种优化，以一种方式存储非分析字段的标记，以便于对这些值进行排序、过滤和聚合。

如果您不想存储完整的源代码而只想存储几个重要字段（如上所述），则存储字段（默认为 false）也是一种优化。_source字段本身是包含整个文档的存储字段。

于 2019-09-16T20:00:07.890 回答