lucene - not_indexed 字段存储在索引中

Question

我正在尝试优化我的 Elasticsearch 方案。

我有一个字段是一个 URL - 我不想查询或过滤它，只是检索它。

我的理解是定义为"index":"no"的字段没有被索引，但仍然存储在索引中。(参见 http://www.slideshare.net/nitin_stephens/lucene-basics 中的幻灯片 5)这应该与 Lucene UnIndexed 匹配，对吧？

这让我很困惑，有没有一种方法可以存储一些字段，而不需要它们占用比简单的内容更多的存储空间，并且不会妨碍其他字段的索引？

我错过了什么？

Answer 1

我刚开始在 stack exchange 上发帖，但相信我能帮上一点忙!

这里有几个注意事项:

分析

因为你不想做额外的工作，你应该设置"index": "no"。这意味着该字段将不会通过任何分词器和过滤器运行。

此外，在特定字段进行查询时，它将不可搜索:(无命中)

"query": {
    "term": {
        "url": "http://www.domain.com/exact/url/that/was/sent/to/elasticsearch"
    }
}

*这里“url”是字段名。

然而，该字段仍可在 _all 字段中搜索:(可能有命中)

"query": {
    "term": {
        "_all": "http://www.domain.com/exact/url/that/was/sent/to/elasticsearch"
    }
}

_all 字段

默认情况下，每个字段都放在 _all 字段中。设置 "include_in_all": "false" 来阻止它。这对您来说可能不是问题，因为您不太可能错误地搜索带有 URL 的 _all 字段。

我正在使用一个模式，其中国家/地区存储为 2 个字母代码，例如:“NO”表示挪威，并且可能有人可能会使用“NO”对所有字段进行搜索，因此我确保设置“include_in_all”:“false”。

注意:任何未明确指定字段的查询都将针对 _all 字段执行。

存储

默认情况下，elasticsearch 将存储您的整个文档(未分析，如您发送的那样)，并将在命中的 _source 字段中返回给您。如果你关闭它(如果你的 elasticsearch 数据库可能变得很大？)那么你需要显式设置 "store": "yes" 来单独存储字段。 (需要注意的一件事是 store 接受 yes 或 no 而不是 true 或 false - 它把我绊倒了!)

注意:如果您这样做，您将需要明确请求您想要返回给您的字段。例如:

curl -XGET http://path/index_name/type_name/id?fields=url,another_field

终于……

我会让 elasticsearch 存储您的整个文档(默认情况下)并使用以下映射。

"type_name": {
    "properties": {
        "url": {
            "type": "string",
            "index": "no",
            "include_in_all": "false"
        },
        // other fields' mappings
    }
}

来源:elasticsearch documentation