python - 在 ElasticSearch 中按类型查询更好吗？

Question

我的问题是关于性能。我经常使用过滤查询，但我不确定按类型查询的正确方法是什么。

首先，让我们看一下映射:

{
  "my_index": {
    "mappings": {
      "type_Light_Yellow": {
        "properties": {
          "color_type": {
            "properties": {
              "color": {
                "type": "string",
                "index": "not_analyzed"
              },
              "brightness": {
                "type": "string",
                "index": "not_analyzed"
              }
            }
          },
          "details": {
            "properties": {
              "FirstName": {
                "type": "string",
                "index": "not_analyzed"
              },
              "LastName": {
                "type": "string",
                "index": "not_analyzed"
              },
              .
              .
              .
            }
          } 
        }
      }
    }
  }
}

在上面，我们可以看到类型light Yellow 的一个映射示例。此外，还有更多针对各种类型的映射(颜色。例如:深黄色、浅棕色 等等...)

请注意color_type 的子字段。对于 type_Light_Yellow 类型，值始终为:"color": "Yellow", "brightness": "Light" 等等所有其他类型。

现在，我的性能问题:我想知道是否有一种最喜欢的方法来查询我的索引。

例如，让我们搜索 "details.FirstName": "John" 和 "details.LastName": "Doe" 类型 下的所有文档type_Light_Yellow.

当前方法我正在使用:

curl -XPOST 'http://somedomain.com:1234my_index/_search' -d '{
  "query":{
    "filtered":{
      "filter":{
        "bool":{
          "must":[
          {
            "term":{
              "color_type.color": "Yellow"
            }
          },
          {
            "term":{
              "color_type.brightness": "Light"
            }
          },
          {
            "term":{
              "details.FirstName": "John"
            }
          },
          {
            "term":{
              "details.LastName": "Doe"
            }
          }
          ]
        }
      }
    }
  }
}'

从上面可以看出，通过定义"color_type.color": "Yellow" 和 "color_type.brightness": "Light"，我正在查询所有索引和引用类型 type_Light_Yellow 因为它只是我正在搜索的文档下的另一个字段。

替代方法是直接在类型下查询:

curl -XPOST 'http://somedomain.com:1234my_index/type_Light_Yellow/_search' -d '{
  "query": {
    "filtered": {
      "filter": {
        "bool": {
          "must": [
          {
            "term": {
              "details.FirstName": "John"
            }
          },
          {
            "term": {
              "details.LastName": "Doe"
            }
          }
          ]
        }
      }
    }
  }
}'

请注意第一行:my_index/type_Light_Yellow/_search。

1. 从性能方面来说，什么查询效率更高？
2. 如果我通过代码查询(我使用的是带有 ElasticSearch 包的 Python)，是否会有不同的答案？

Answer 1

elasticsearch 中的类型通过向文档添加 _type 属性来工作，每次您搜索特定类型时，它会自动按 _type 属性进行过滤。因此，在性能方面应该没有太大区别。类型是一种抽象而非实际数据。我在这里的意思是，跨多个文档类型的字段在整个索引上被展平，即一种类型的字段也占用其他类型字段的空间，即使它们没有被索引(可以像 null 一样占用空间)空格)。

但请务必记住，过滤顺序会影响性能。您的目标必须是一次排除尽可能多的文档。所以，如果你认为最好不要先按类型过滤，那么优先过滤是更可取的。否则，如果顺序相同，我认为不会有太大差异。

由于 Python API 在默认设置下也通过 http 进行查询，因此使用 Python 应该不会影响性能。

这里，在您的情况下，尽管在 _type 元字段和颜色字段中都捕获了颜色，但存在一定程度的数据重复。