elsaticsearch 中的源过滤、存储字段和文档值之间有什么区别？

Question

我已经阅读了源过滤、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，而不必从大型 _source 字段中提取这些字段

---

stored_fields 参数是关于显式标记为存储在映射中的字段，默认情况下关闭，通常不建议这样做。使用源过滤来选择要返回的原始源文档的子集。

---

默认情况下，所有支持文档值的字段都启用它们。

实施例1

我有包含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. 带源过滤

GET /_search
{ _source: "obj.title", ... }

2. 具有存储字段

GET /_search
{ _source: false, stored_fields: ["title"], ... }

3. 带有文档值

GET /_search
{_source: false, stored_fields: "_none_", docvalue_fields: "title", ... }

可以，然后呢

• 源过滤请求是否会_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，或者elasticsearch只会从磁盘读取标题？
• 源过滤请求会使用文档值吗？
• 存储字段存储分析后的标记还是原始值？
• 存储的字段或文档值比 _source 效率更高还是更低？

Answer 1

源过滤请求是否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，或者elasticsearch只会从磁盘读取标题？

您发送到 Elasticsearch 进行索引的文档将存储在名为_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content您案例中的字段），则完整内容将存储在该_source字段中。使用源过滤时，首先必须从字段中检索整个源文档_source，然后仅title返回该字段。您正在浪费空间，因为该字段实际上没有发生任何事情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，所以在你这样做之前阅读这篇文章），基本上是这样的：

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

源过滤请求会使用文档值吗？

默认情况下，除分析的文本字段外，所有字段均启用文档值。如果您使用_source过滤，则不会使用文档值，如上所述，_source系统会检索该字段并过滤您指定的字段。

存储字段存储分析后的标记还是原始值？

_source存储字段存储文档中存在的确切值

存储的字段或文档值比 _source 效率更高还是更低？

doc_values 是一个不同的野兽，它更多的是一种优化，以一种可以轻松对这些值进行排序、过滤和聚合的方式存储非分析字段的标记。

如果您不想存储完整的源代码而只想存储一些重要字段（如上所述），则存储字段（默认为 false）也是一种优化。该_source字段本身是一个包含整个文档的存储字段。