用于查询和排序的多字段与字段数据

Question

我有一个使用 Elasticsearch 6 的简单“人”数据库，它看起来基本上是这样的：

id | firstName | lastName
-------------------------
1  | Tim       | Berners-Lee
2  | Linus     | Torvalds
3  | Noam      | Chomsky

我想按 lastName 查询和排序（and/or 按 firstName - 取决于用户输入）。

现在我找到了 2 个似乎有效的解决方案，但我不确定哪个“正确”（或“更好”）以及原因：

多字段："type": "text", "fields": { "raw": { "type": "keyword" } }：我可以用lastName查询，用lastName.raw排序。
fielddata: "type": "text", "fielddata": true: 这里我可以使用lastName.
进行查询和排序

但我完全不确定为什么我应该选择一个而不是另一个，以及这个选择有什么影响。

Answer 1

希望以下几点能帮助您根据实际用例做出决定。

多字段

它的用途 - 存储具有不同分析器的单个字段。正如您使用的 text 和 keyword

它没有任何特殊的缓存。
字段数据

它的目的 - 在 aggregation/sorting 期间更快地访问。它将所有数据加载到字段缓存中。虽然您可以使用它来实现您的需求，但它很昂贵。
1. 加载字段数据很昂贵
2. 加载后，它会在 Lucene 段的生命周期内保持不变
3. 由于你的字段是文本，它会占用大量的堆space。

但是您可以使用 fielddata_frequency_filter

控制加载到内存中的术语数

并且您在 text 字段上进行排序。文档中的建议是

Instead, you should have a text field for full text searches, and an unanalyzed keyword field with doc_values enabled for aggregations

因此，您需要根据数据大小、数据访问模式、服务器成本进行选择，以防您有更多数据并计划使用 field data

Multi-field vs. fielddata for querying and sorting