一、doc_values

默認情況下，大部分字段是索引的，這樣讓這些字段可被搜索。倒排索引（inverted index）允許查詢請求在詞項列表中查找搜索項（search term），並立即獲得包含該詞項的文檔列表。

倒排索引（inverted index）：

如果我們想要獲得所有包含 brown 的文檔的詞的完整列表，我們會創建如下查詢：

GET /my_index/_search

{

"query" : {

"match" : {

"body" : "brown"

}

},

"aggs" : {

"popular_terms": {

"terms" : {

"field" : "body"

}

}

}

}

倒排索引是根據詞項來排序的，所以我們首先在詞項列表中找到 brown，然後掃描所有列，找到包含 brown 的文檔。我們可以快速看到 Doc_1 和 Doc_2 包含 brown 這個 token。

然後，對於聚合部分，我們需要找到 Doc_1 和 Doc_2 裡所有唯一的詞項。用倒排索引做這件事情代價很高： 我們會迭代索引裡的每個詞項並收集 Doc_1 和 Doc_2 列裡面 token。這很慢而且難以擴展：隨著詞項和文檔的數量增加，執行時間也會增加。

Doc values 通過轉置兩者間的關係來解決這個問題。倒排索引將詞項映射到包含它們的文檔，doc values 將文檔映射到它們包含的詞項：

當數據被轉置之後，想要收集到 Doc_1 和 Doc_2 的唯一 token 會非常容易。獲得每個文檔行，獲取所有的詞項，然後求兩個集合的並集。

Doc values 可以使聚合更快、更高效並且內存友好。Doc values 的存在是因為倒排索引只對某些操作是高效的。

倒排索引的優勢：在於查找包含某個項的文檔，而對於從另外一個方向的相反操作並不高效，即：確定哪些項是否存在單個文檔裡，聚合需要這種訪問模式。

在 Elasticsearch 中，Doc Values 就是一種列式存儲結構，默認情況下每個字段的 Doc Values 都是激活的，Doc Values 是在索引時創建的。當字段索引時，Elasticsearch 為了能夠快速檢索，會把字段的值加入倒排索引中，同時它也會存儲該字段的 `Doc Values`。

Elasticsearch 中的 Doc Values 常被應用到以下場景：

• 對一個字段進行排序
• 對一個字段進行聚合
• 某些過濾，比如地理位置過濾
• 某些與字段相關的腳本計算

因為文檔值（doc values）被序列化到磁盤，我們可以依靠操作系統的幫助來快速訪問。當 working set 遠小於節點的可用內存，系統會自動將所有的文檔值保存在內存中，使得其讀寫十分高速；當其遠大於可用內存，操作系統會自動把 Doc Values 加載到系統的頁緩存中，從而避免了 jvm 堆內存溢出異常。

因此，搜索和聚合是相互緊密纏繞的。搜索使用倒排索引查找文檔，聚合操作收集和聚合 doc values 裡的數據。

doc values 支持大部分字段類型，但是text 字段類型不支持（因為analyzed）。

(1) status_code 字段默認啟動 doc_values 屬性；

(2) session_id 顯式設置 doc_values = false，但是仍然可以被查詢；

如果確信某字段不需要排序或者聚合，或者從腳本中訪問字段值，那麼我們可以設置 doc_values = false，這樣可以節省磁盤空間。

二、fielddata

與 doc values 不同，fielddata 構建和管理 100% 在內存中，常駐於 JVM 內存堆。這意味著它本質上是不可擴展的。

fielddata可能會消耗大量的堆空間，尤其是在加載高基數（high cardinality）text字段時。一旦fielddata已加載到堆中，它將在該段的生命週期內保留。此外，加載fielddata是一個昂貴的過程，可能會導致用戶遇到延遲命中。這就是默認情況下禁用fielddata的原因。

如果需要對 text 類型字段進行排序、聚合、或者從腳本中訪問字段值，則會出現如下異常：

Fielddata is disabled on text fields by default. Set fielddata=true on [your_field_name] in order to load fielddata in memory by uninverting the inverted index. Note that this can however use significant memory.

但是，在啟動fielddata 設置之前，需要考慮為什麼針對text 類型字段進行排序、聚合、或腳本呢？通常情況下，這是不太合理的。

text字段在索引時，例如New York，這樣的詞會被分詞，會被拆成new、york 2個詞項，這樣當搜索new 或 york時，可以被搜索到。在此字段上面來一個terms的聚合會返回一個new的bucket和一個york的bucket，但是你可能想要的是一個單一new york的bucket。

怎麼解決這一問題呢？

你可以使用 text 字段來實現全文本查詢，同時使用一個未分詞的 keyword 字段，且啟用doc_values，來處理聚合操作。

(1) 使用my_field 字段用於查詢；

(2) 使用my_field.keyword 字段用於聚合、排序、或腳本；

可以使用 PUT mapping API 在現有text 字段上啟用 fielddata，如下所示：

閱讀更多 軟件架構 的文章

關鍵字: ElasticSearch Java虛擬機 腳本語言