Elasticsearch 实战：从索引设计到中文搜索优化的完整指南

Elasticsearch 是当下最流行的分布式搜索引擎。无论是全文检索、日志分析还是站内搜索，ES 都是首选。但"能跑起来"和"搜得好、查得快"之间，隔着索引设计与调优的门槛。本文从索引建模到查询优化，给出完整的实战路径。

一、核心概念：倒排索引与分片

ES 高效检索的基石是倒排索引：以词项（term）为键，记录包含该词项的文档列表。查询时先查词典定位词项，再取文档列表合并——无需扫描全部文档。

1.1 分片与副本

• 主分片（shard）：数据切分单元，数量在创建索引时确定，之后不可修改；
• 副本（replica）：主分片的拷贝，提供读扩展与高可用，可动态调整。

PUT /articles
{
  "settings": {
    "number_of_shards": 3,
    "number_of_replicas": 1
  }
}

容量规划：单个分片建议 20~50GB，总数据量 ÷ 单分片容量即可估算分片数；小索引（<10GB）用 1 个分片反而更高效。

二、映射设计：字段类型决定一切

2.1 text 与 keyword 的区别

PUT /articles/_mapping
{
  "properties": {
    "title":     { "type": "text",   "analyzer": "ik_max_word" },
    "category":  { "type": "keyword" },
    "tags":      { "type": "keyword" },
    "view_count":{ "type": "integer" },
    "created_at":{ "type": "date",   "format": "strict_date_optional_time" }
  }
}

• text：会被分词，用于全文搜索（title、content）；
• keyword：不参与分词，用于精确匹配、过滤、排序、聚合（category、tags、状态）；
• 排序与聚合只能在 keyword / 数值 / 日期字段上进行。

2.2 多字段：一个字段两种用法

"title": {
  "type": "text",
  "analyzer": "ik_max_word",
  "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } }
}

这样 title 既能全文检索，又能通过 title.keyword 做精确排序与聚合。

三、中文分词：IK 插件的正确姿势

中文没有天然空格分隔，必须依赖分词器。IK 分词器是事实标准：

# 安装
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v8.x/elasticsearch-analysis-ik-8.x.zip

两种分词模式的取舍：

| 模式 | 行为 | 适用 | |------|------|------| | ik_max_word | 最细粒度切分（如"中华人民共和国"拆出多个词） | 建索引，召回率高 | | ik_smart | 最粗粒度切分（只保留最长匹配） | 查询，精准度高 |

推荐：索引用 ik_max_word，查询用 ik_smart（analyzer 与 search_analyzer 分离）：

"content": {
  "type": "text",
  "analyzer": "ik_max_word",
  "search_analyzer": "ik_smart"
}

IK 也支持自定义词典：在 IKAnalyzer.cfg.xml 中配置 ext_dict 指向业务词库（如产品名、人名），显著提升专业领域召回率。

四、查询 DSL：从入门到精通

4.1 全文检索：match

GET /articles/_search
{
  "query": {
    "match": { "title": "分布式搜索" }
  }
}

4.2 精准过滤：term + filter

GET /articles/_search
{
  "query": {
    "bool": {
      "must":    { "match":   { "content": "Elasticsearch 集群" } },
      "filter": [
        { "term": { "category": "后端" } },
        { "range": { "view_count": { "gte": 1000 } } }
      ]
    }
  }
}

性能关键：filter 上下文会缓存结果集（bitset 缓存），命中率高的过滤条件放 filter 而非 must，查询性能大幅提升。

4.3 聚合分析

GET /articles/_search
{
  "size": 0,
  "aggs": {
    "by_category": {
      "terms": { "field": "category", "size": 10 },
      "aggs": {
        "avg_views": { "avg": { "field": "view_count" } }
      }
    }
  }
}

4.4 高亮

{
  "query": { "match": { "content": "倒排索引" } },
  "highlight": {
    "fields": { "content": {} },
    "pre_tags": ["<em class='hl'>"],
    "post_tags": ["</em>"]
  }
}

五、查询性能优化八法

1. 精确值查询走 term/filter，别用 match 做无谓分词；
2. 避免 * 通配符开头的前缀查询（正则扫描极慢）；
3. 深分页用 search_after，不要大 size + from（每次查询开销随 from 线性增长）；
4. 限制返回字段：_source 只取需要的字段，减少网络与内存开销；
5. 聚合字段必须 keyword/数值类型，text 字段聚合会报错；
6. 查询超时兜底："timeout": "2s" 防止慢查询拖垮集群；
7. 热门词缓存：对高流量词用 request_cache=true 或应用层缓存；
8. 索引生命周期：日志类数据按天滚动索引 + ILM 冷热分层，控制分片数量。

六、集群运维：从单机到三节点

# elasticsearch.yml（节点配置）
cluster.name: okgoes-es
node.name: node-1
network.host: 0.0.0.0
discovery.seed_hosts: ["node-1", "node-2", "node-3"]
cluster.initial_master_nodes: ["node-1"]

# 内存与系统调优
ES_JAVA_OPTS="-Xms4g -Xmx4g"        # 堆内存设为物理内存一半，不超过 32GB
vm.max_map_count = 262144           # 需写入 sysctl

黄金法则：堆内存固定 Xms=Xmx（避免动态扩容的停顿）；留一半内存给 OS 的 page cache（ES 重度依赖文件缓存）。

结语

Elasticsearch 的实战精髓可以浓缩为三点：字段类型选对（text/keyword 分清楚）、分词策略配好（ik_max_word + ik_smart 组合）、查询结构合理（filter 缓存 + 聚合优化）。把这三点融入索引建模的每一步，你的搜索就能又快又准。建议先用真实业务数据做一轮 mapping 设计评审，再上线——索引一旦创建，改 mapping 的成本远高于设计成本。