Elasticsearch-如何控制存储和索引文档(_source、_all、返回源文档的某些字段)

Elasticsearch-如何控制存储和索引文档(_source、_all)

_source:可以在索引中存储文档。
_all:可以在单个字段上索引所有内容。

1. 存储原有内容的_source

_source字段按照原有格式来存储原有的文档。这一点可以看到匹配某个搜索的文档，而不仅仅是他们的ID。
_source字段的enabled可以设置为true或者false，来指定是否需要存储原始的文档。默认情况下是true，在很多情况下，设置为true还是非常有用的，因为_source的存在允许使用其他重要的ES特性。（由于很多功能都依赖于_source，而且从空间和性能的角度来看存储的成本相对低廉，在版本2.0中将无法再关闭_source选项。）
为了理解这个字段是如何工作的，来看下当检索某篇之前索引的文档时，ES通常返回什么：
(1) 先索引一篇文档

curl -XPUT 'localhost:9200/music/album/5?pretty' -d '{
"name":"七里香",
"date":"2004-08-03",
"songs":["七里香","搁浅"]
}'

(2) 检索

FengZhendeMacBook-Pro:cv FengZhen$ curl 'localhost:9200/music/album/5?pretty'

{

"_index" : "music",

"_type" : "album",

"_id" : "5",

"_version" : 1,

"found" : true,

"_source" : {

"name" : "七里香",

"date" : "2004-08-03",

"songs" : [ "七里香", "搁浅" ]

}

}

搜索的同时，会获得_source的JSON，因为这是默认设置会返回的内容。

2. 仅仅返回源文档的某些字段

当检索或者搜索某篇文档的时候，可以要求ES只返回特定的字段，而不是整个_source.一种实现的方法是在fields参数中提供用逗号分隔的字段列表。如下

FengZhendeMacBook-Pro:cv FengZhen$ curl -XGET 'localhost:9200/music/album/5?pretty&fields=name'

{

"_index" : "music",

"_type" : "album",

"_id" : "5",

"_version" : 1,

"found" : true,

"fields" : {

"name" : [ "七里香" ]

}

}

如果_source已经被存储，ES从那里获取所需的字段。也可以通过设置store选项为yes来存储个别的字段。举个例子，如果只需要存储test_name字段，映射如下

curl -XPUT 'localhost:9200/music/_mapping/test' -d '{
    "test":{
        "properties":{
            "test_name":{
                "type":"string",
                "store":"yes"
            }
        }
    }
}'

向ES请求特定的字段时，这样做可能会很有帮助，原因是相对于检索整个_source然后再抽取而言，检索单一的存储字段要更快一些，尤其是在文档很大的时候。
注意：当存储单独的字段时，应该考虑到存储的越多，索引越大。更大的索引经常意味着更慢的索引和搜索速度。
就其内部来看，_source只是另一个Lucene中的存储字段。ES将原始的JSON存储于其中，然后按需抽取字段。

3. 索引一切的_all

_all是索引所有的信息。当搜索_all字段的时候，ES将在不考虑是哪个字段匹配成功的情况下，返回命中的文档。当用户不知道在哪里查询某些内容的时候，这一点非常有用。
从URI上运行搜索时如果不指定字段名称，系统默认情况下将会在_all上搜索：

curl 'localhost:9200/music/album/_search?pretty' -d '{
    "query":{
        "query_string":{
            "query":"八度空间"
        }
    }
}'

如果总是在特定的字段上搜索，可以通过设置enabled为false来关闭_all：

"events":{
"_all":{"enabled":false}
}

如此设置会使得索引的规模变得更小，而且索引操作变得更快。
默认情况下，include_in_all隐式的设置为true，每个字段都会包含在_all之中。可以使用这个选项来控制哪些字段被_all包含，而哪些不被_all包含。
(1).将test_date字段设置为不在_all中

curl -XPUT 'localhost:9200/music/_mapping/test' -d '{
    "test":{
        "properties":{
            "test_date":{
                "type":"date",
                "include_in_all":false
            }
        }
    }
}'

(2).索引新文档

curl -XPUT 'localhost:9200/music/test/1?pretty' -d '{
    "test_name":"八度空间",
    "test_date":"2002-07-18",
    "test_songs":["半兽人","回到过去","米兰的小铁匠","最后的战役"]
}'

(3).查询

FengZhendeMacBook-Pro:cv FengZhen$ curl 'localhost:9200/music/test/_search?q=2002-07-18&pretty'
{
  "took" : ,
  "timed_out" : false,
  "_shards" : {
    "total" : ,
    "successful" : ,
    "failed" :
  },
  "hits" : {
    "total" : ,
    "max_score" : null,
    "hits" : [ ]
  }
}

此时，不指定字段查询，已经查不出数据了
使用include_in_all的选项，将赋予更高的灵活性，灵活性不仅体现在空间存储上，同样体现在查询的表现方式上。如果一次搜索在没有指定字段的情形下运行，ES只会匹配_all所包含的字段。