目录
一、概况
在生产项目中，由于ElasticSearch单个索引数据量大，索引中部分数据不常用，在搜索和写入文档时，效率较低。为了减小单个索引的数据量，提升搜索和文档写入效率，将大索引根据一定的规则拆分为小的索引。拆分索引的关键点在于：建立索引、文档同步、多索引搜索。
建立索引的关键是：索引的设置，以及字段的属性设置。最常见的问题是：对于某个字段，我们希望ElasticSearch按照我们的想法进行分词。采用自动生成索引（默认模板），索引字段的类型就会根据第一条文档的数据进行字段转换，无法实现指定某个字段使用我们想要的分词方式。另外，无法使用自定义分词器；索引的默认分片数为5，无法根据我们制定的分片数进行分配。
为了实现按照指定条件自动创建索引，Elasticsearch也提供了索引模板API。
索引模板，就是创建索引的模板。其中包含公共的配置（Settings）和映射（Mappings），并包含一个简单触发条件（满足条件时，使用该模板创建一个新的索引）。
模板只在创建索引时应用。更改模板不会对现有索引产生影响。当使用create index API时，“作为create index调用的一部分定义的设置/映射”将优先于“模板中定义的任何匹配设置/映射”。
文档同步和搜索，我们都采用了索引别名的形式。索引别名，就像一个快捷方式或软连接，可以指向一个或多个索引，也可以给任何一个需要索引名的API来使用。索引别名不能与索引具有相同的名称。索引别名带给我们极大的灵活性：
其一，对于es集群，可以在运行的集群中无缝地从一个索引切换到另一个索引；
其二，对于应用，可以在零停机的情况下从旧索引迁移到新索引；
其三，可以给多个索引分组 ，给索引的一个子集分组。
文档同步，必须指定一个唯一的索引。在原来单索引时，我们的索引名称采取了 “索引名称_v1”的形式；为方便在零停机的情况下重建索引，文档更新也新建了一个专门的索引别名。拆分索引后，索引名称规范为“索引名称_YYMM”按月拆分（包括但不限于此种方式），就会出现多个索引；此时，使用索引名字直接进行文档更新，就会更加方便、直接和准确，不需要新增专门的索引别名用于文档更新。
文档同步使用索引名称，文档搜索使用索引别名。索引拆分后，文档分属不同的索引，但因为有相同的别名，使用别名搜索，依然可以将数据搜索出来。
通过建立索引、文档同步、多索引搜索，实现了单索引到多索引的拆分。数据还是那些数据，依然能搜索出来。在索引拆分后，索引数变多，每个索引的数据减少，同步文档的速度就可以提高。根据业务需求，搜索也可以只查询部分索引，提升了查询速度；也可以查询所有数据，根据实际场景可自由变换。
二、索引拆分规则
索引拆分，可以根据创建时间拆分，如：”索引名称_yyyyMM“、”索引名称_yyyy“；也可以根据主键ID求余的方式进行拆分，如：”索引名称_0“、”索引名称_1“。
具体的拆分规则，根据业务需要来定。需要注意的是：无论是根据创建时间，还是根据主键ID求余，都要求“拆分规则使用的值必须是文档中不变的值”。只有拆分规则使用的值是不变的，才能唯一确定一个索引，进行文档的存储，如：主键ID、创建时间。变化的值，或有可能变化的值，无法唯一确定一个索引进行文档存储，如：状态。如果拆分规则使用状态进行拆分，那么就会出现“文档当前在这个索引，状态改变后在另外的索引”，每个索引都包含“状态不同”的同一条数据，搜索结果就会不准确。
本文将根据创建时间进行索引拆分。
索引拆分思路：
- 创建索引模板。
- 同步文档时，选用的索引名称以"索引名称_yyyyMM"命名，自动创建带别名的索引。
- 如果文档同步到新索引，那么原索引中的文档需删除。
三、创建索引模板
以商品评论索引为例，将单索引拆分为多索引。根据以下规则，在同步文档时，如果索引不存在，那么会根据模板自动生成索引：
- 索引名称的规则为 goods_comment_202010。
- 索引别名为 goods_comment。
- number_of_shards 分片数为3。
- 配置Settings。
- 定义Mappings字段及其类型。
具体模板如下所示：
{
"order" : 0,
"index_patterns" : [
"goods_comment*"
],
"settings" : {
"index" : {
"max_result_window" : "100000",
"analysis" : {
"filter" : {
"by_stop_filter" : {
"type" : "stop",
"stopwords" : [
" "
]
},
"pinyin_first_letter_and_full_pinyin_filter" : {
"keep_none_chinese_in_first_letter" : "true",
"lowercase" : "true",
"keep_original" : "true",
"keep_first_letter" : "true",
"trim_whitespace" : "true",
"type" : "pinyin",
"keep_none_chinese" : "true",
"limit_first_letter_length" : "16",
"keep_full_pinyin" : "true"
},
"by_synonym_filter" : {
"type" : "synonym",
"synonyms_path" : "analysis/synonym.txt"
},
"full_pinyin_filter" : {
"keep_none_chinese_in_first_letter" : "true",
"lowercase" : "true",
"keep_original" : "true",
"keep_first_letter" : "false",
"trim_whitespace" : "true",
"type" : "pinyin",
"keep_none_chinese" : "true",
"limit_first_letter_length" : "16",
"keep_full_pinyin" : "true"
}
},
"char_filter" : {
"by_char_filter" : {
"type" : "mapping",
"mappings" : [
"| => |"
]
}
},
"analyzer" : {
"by_max_word" : {
"filter" : [
"by_synonym_filter",
"lowercase"
],
"char_filter" : [
"html_strip"
],
"type" : "custom",
"tokenizer" : "ik_max_word"
}
},
"tokenizer" : {
"my_pinyin" : {
"lowercase" : "true",
"keep_original" : "true",
"remove_duplicated_term" : "true",
"keep_separate_first_letter" : "false",
"type" : "pinyin",
"limit_first_letter_length" : "16",
"keep_full_pinyin" : "true"
}
}
},
"number_of_shards" : "3",
"number_of_replicas" : "1"
}
},
"mappings" : {
"_doc" : {
"properties" : {
"is_img" : {
"type" : "integer"
},
"gid" : {
"type" : "integer"
},
"pubtime" : {
"type" : "integer"
}
....
}
}
},
"aliases" : {
"goods_comment" : { }
}
}上述模板定义，看似复杂，拆分来看，主要为如下几个部分：
{
"order": 0, // 模板优先级
"index_patterns": ["goods_comment*"], // 模板匹配的名称方式
"settings": {...}, // 索引设置
"mappings": {...}, // 索引中各字段的映射定义
"aliases": {...} // 索引的别名
}3.1 索引模板的优先级
有时候，一个模板可能绝大部分符合新建索引的需求，但是局部需要微调。此时，复制旧的模板，生成一个新的索引模板，修改该新模板，即可达到我们的需求，但是这操作略显重复。此时，可以采用模板叠加与覆盖来操作。模板的优先级是通过模板中的 order 字段定义的，数字越大，优先级越高。 如下为定义“所有以 te 开头的索引”的模板：
{
"order": 0,
"index_patterns": "te*",
"settings": {
"number_of_shards": 1
},
"mappings": {
"type1": {
"_source": {
"enabled": false
}
}
}
}索引模板是有序合并的。如果想单独修改某一小类索引的一两处设置，可以在累加一层模板。
{
"order": 1,
"index_patterns": "tete*",
"settings": {
"number_of_shards": 2
},
"mappings": {
"type1": {
"_all": {
"enabled": false
}
}
}
}上述第一个模板的 order 为0，第二个模板的 order 为1，第二个模板的优先级高于第一个模板，其会覆盖第一个模板中的相同项。所以，对于所有以 tete 开头的索引模板，效果如下：
{
"settings": {
"number_of_shards": 2
},
"mappings": {
"type1": {
"_source": {
"enabled": false
},
"_all": {
"enabled": false
}
}
}
}两个模板叠加后，优先级高的模板设置会覆盖会优先级低的，如分片数。
3.2 索引模板匹配的名称
索引模板中的 "index_patterns" 字段定义的内容是该索引模板所匹配的索引名称的正则表达式。如 "index_patterns": "tete*" 所表示的含义为：当新建索引时，所有以 tete 开头的索引，都会自动匹配到该索引模板，利用该模板进行相应的设置。
3.3 索引模板的settings部分
索引模板中的 settings 部分一般定义的内容是：索引的主分片、拷贝分片、刷新时间、自定义分析器等。常见的 settings 部分结构如下：
"settings": {
"index": {
"analysis": {...}, // 自定义的分析器
"number_of_shards": "32", // 主分片的个数
"number_of_replicas": "1", // 主分片的拷贝分片个数
"refresh_interval": "5s" // 刷新时间
}
}建立的索引，不会立马查到。ElasticSearch 为 near-real-time（接近实时）检索，需要配置刷新时间，默认的是 1s。settings 的设置中，重点是自定义分析器的设置。
-
分析器是三个顺序执行的组件的结合。它们分别是字符过滤器、分词器、标记过滤器。
-
字符过滤器：让字符串在被分词前变得更加整洁。一个分析器可能包含零到多个字符过滤器（character_filter）。
-
分词器：将字符串分割成单独的词（terms）或标记（tokens）。一个分析器必须包含一个分词器。
- 标记过滤器：分词器分词结果的标记流会传递给特定的标记过滤器。标记过滤器可能修改、添加或删除标记。
创建的自定义分析器的结构如下：
"settings": {
"index": {
"analysis": {
"char_filter": { ... }, // 用户自定义字符过滤器
"tokenizer": { ... }, // 用户自定义分词器
"filter": { ... }, // 用户自定义标记过滤器
"analyzer": { ... } // 用户自定义分析器
},
...
}
}3.3.1 字符过滤器
目前，字符过滤器共分为三种：映射字符过滤器（mapping char filter）、HTML过滤器（HTML Strip char filter）、格式替换过滤器（Pattern Replace char filter）。
html_strip 字符过滤器去除所有的 HTML 标签。
mapping 字符过滤器对字符进行映射转换。在映射字符过滤器中，type 字段定义该字符过滤器的类型是 mapping ， mappings 对应的数组为索要替换的字段。如下定义一个 mapping 字符过滤器，将 & 替换成 and。
"char_filter": {
"&_to_and": {
"type": "mapping",
"mappings": [ "&=> and "]
}
}格式替换过滤器对满足正则匹配的字符进行替换。格式替换过滤器必须包含 "pattern"、"type"、"replacement" 三个字段，其中 pattern 定义满足替换的格式，type 定义格式替换类型，replacement 则是对于满足格式的字符串，要替换成的字符串。如下在定义一个格式替换过滤器（Pattern Replace Char Filter），将点 "." 替换成空格。
"char_filter": {
"replace_dot": {
"pattern": "\\.",
"type": "pattern_replace",
"replacement": " "
}
}
3.3.2 分词器
常用的分词器有 standard、keyword、whitespace、pattern等。
standard 分词器将字符串分割成单独的字词，删除大部分标点符号。最常用的一般为 standard 分词器。
keyword 分词器输出和它接收到的相同的字符串，不做任何分词处理。
whitespace 分词器只通过空格俩分割文本。
pattern 分词器可以通过正则表达式来分割文本。
更多的分词器详见官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/2.4/analysis-standard-tokenizer.html
3.3.3 标记过滤器
常用的标记过滤器有 lowercase 和 stop 。
lowercase 标记过滤器：将词转换为小写。
stop 标记过滤器：去除一些自定义停用词或者语言内定义的停用词。
stop 标记过滤器的常用结构如下：
"filter": {
"my_stopwords": {
"type": "stop",
"stopwords": [ "the", "a" ]
}
}上述标记过滤器功能为自定义过滤掉 "the" 、"a" 两词。除了自定义，还有特定的语言停用词过滤，相应的有：spanish 、english等。具体用法如下：
"filter": {
"my_stop": {
"type": "stop",
"stopwords": _spanish_
}
}
更多的语言停用词，参考官方网址：https://www.elastic.co/guide/en/elasticsearch/reference/2.4/analysis-stop-tokenfilter.html/
3.3.4 分析器组合
在定义了字符过滤器、分词器、标记过滤器之后，就可以组合为用户自定义分析器。分析器是由三者按顺序组合而成。
将上述组件组合起来便是：
"analyzer": {
"my_analyzer": {
"type": "custom",
"char_filter": [ "html_strip", "&_to_and", "replace_dot" ],
"tokenizer": "standard",
"filter": [ "lowercase", "my_stopwords", "my_stop" ]
}
}
将自定义分析器各部分组合起来，完整表示如下：
"settings": {
"index": {
"analysis": {
"char_filter": {
"&_to_and": {
"type": "mapping",
"mappings": [ "&=> and "]
},
"replace_dot": {
"pattern": "\\.",
"type": "pattern_replace",
"replacement": " "
}
},
"filter": {
"my_stop": {
"type": "stop",
"stopwords": _spanish_
},
"my_stopwords": {
"type": "stop",
"stopwords": [ "the", "a" ]
}
},
"analyzer": {
"my_analyzer": {
"type": "custom",
"char_filter": [ "html_strip", "&_to_and", "replace_dot" ],
"tokenizer": "standard",
"filter": [ "lowercase", "my_stopwords", "my_stop" ]
}
}
},
...
}
}
3.4 索引模板的mapping字段映射
索引模板中，字段映射所对应的常用结构是：
"mappings": {
"_doc": { // 索引下的类型 _doc 应用该映射
"dynamic_templates": [ ... ], // 动态映射部分，用于未定义的 my_type 下字段
"properties": { ... } // 自定义字段的响应映射
}
}"_doc" 是索引下的一个类型，Elasticsearch 7.x仅支持"_doc"作为索引类型，Elasticsearch 6.x推荐使用"_doc"为索引类型。
3.4.1 动态字段映射
动态映射 "dynamic_templates" 是一个数组，数组中的元素是字段映射模板。每个字段映射模板包括：
（1）一个名字，用于描述这个模板的用途；
（2）一个 mapping 字段，用于指明这个映射如何使用；
（3）至少一个字段名匹配规则（例如 match），用来定义这个模板适用于哪个字段。
dynamic_templates 字段对应的模板结构如下：
{
"string_fields": { // 字段映射模板的名称，一般为"类型_fields"的命名方式
"match": "*", // 匹配的字段名为所有
"match_mapping_type": "string", // 限制匹配的字段类型，只能是 string 类型
"mapping": { ... } // 字段的处理方式
}
如下为一个定义实例：
"mappings": {
"my_type": {
"dynamic_templates": [
{
"string_fields": { // 字段映射模板的名称，一般为"类型_fields"的命名方式
"match": "*", // 匹配的字段名为所有
"match_mapping_type": "string", // 限制匹配的字段类型，只能是 string 类型
"mapping": {
"fielddata": { "format": "disabled" }, // fielddata 不可用，对于分析字段，其默认值是可用
"analyzer": "only_words_analyzer", // 字段采用的分析器名，默认值为 standard 分析器
"index": "analyzed", // 索引方式定义为索引，默认值是分析
"omit_norms": true, // omit_norms 为真表示考虑字段的加权，可分析字段默认值 false
"type": "string", // 字段类型限定为 string
"fields": { // 定义一个嵌套字段，将该字段应用于不分析的场景
"raw": {
"ignore_above": 256, // 忽略字段对应的值长度大于256的字段
"index": "not_analyzed", // 索引方式为不分析
"type": "string", // 字段的类型为 string
"doc_values": true // 对于不分析字段，doc_values 对应的是一种列式存储结构，默认false
}
}
}
}
}，
...
],
"properties": { ... }
}
}
可以看到，动态字段模板的 mapping 字段下包含 fielddata、analyzer、index、omit_norms、type、fields 等六个字段。下面分别解释这六个字段。
一般情况下，使用 es 进行检索，查询速度非常快，接近实时，这个效果得益于其倒排索引的数据结构。但是，倒排索引这个数据结构在做聚合分析时，却不是那么容易。因此，在做传统分析时，需要一种常见的行式存储结构，这一结构在排序、聚合和分析时，具有明显的优势。
fielddata：分析字段是否需要排序或聚合分析。对于分析字段，除了倒排索引的数据存储方式，仍定义一种形式上看着是行式结构的存储样式，数据存储在内存中，用于对字段的排序和聚合分析。对于分析字段， fielddata 的默认值是可用的。如果确定一个分析字段不需要排序或者聚合分析，则该字段就设置为不可用，这样可以节省内存。
analyzer：该字段的分析器，默认的分析器是 standard 标准分析器，这个地方可定义为自定义的分析器。
index：字段的索引方式。默认情况下 ，Elasticsearch 对字段采取的是分析索引，即会对字段进行倒排索引。
omit_norms：字段在分析过程中，是否考虑加权。例如如果权重为2，字段出现的频率在计算时会翻倍，以提高计算的匹配度。对于分析字段，默认的是不考虑加权。
type：字段的数据类型。
fields：字段对应的嵌入字段。以 title 字段为例，Elasticsearch 会自动生成两个字段，分别是 title 和 title.raw 。这样，在可能同时需要分词和不分词结果的环境，就可以灵活使用不同的索引字段。比如，查看标题中最常用的单词，应该是使用 title 字段，查看阅读数最多的文章标题，应该是使用 title.raw 字段。
ignore_above 字段是索引时忽略长度超过定义值的字段。
doc_values 字段与 fielddata 相对应，都是为了方便字段排序和聚合分析而重新定义的一种数据存储方式。不同的是，fielddata 应用于分析字段，存储在内存中；doc_values 应用于不分析字段，存储于磁盘中。
上述是针对字段数据类型为 string 的动态模板定义，对于其他数据类型，其动态模板的定义方式一般如下：
{
"float_fields": { // 命名方式 "类型_fields"
"match": "*"，
"match_mapping_type": "float",
"mapping": {
"type": "float",
"doc_values": true // doc_values 定义为 true，便于排序与聚合分析
}
}
}
3.4.2 自定义字段映射
索引类型中存在的字段，除了可以采用动态模板的方式，还可以采用自定义的方式，常见的自定义结构如下：
"mappings": {
"my_type": {
"dynamic_templates": [ ... ],
"properties": {
"user_city": { // 字段名
"analyzer": "lowercase_analyzer", // 字段分析器
"index": "analyzed", // 字段索引方式定义索引
"type": "string", // 字段数据类型定义为 string
"fields": { // 定义一个名为 user_city.raw 的嵌入的不分析字段
"raw": {
"ignore_above": 512,
"index": "not_analyzed",
"type": "string"
}
}
}，
"money":{
"type": "double",
"doc_values": true
}
...
}
}
}3.5 索引别名
即使你认为现在的索引设计已经是完美的了，当你的应用在生产环境使用时，还是有可能在今后有一些改变的。所以请做好准备：在应用中使用别名，而不是索引。然后，你就可以在任何时候重建索引。别名的开销很小，应当广泛使用。利用索引别名，可以实现零停机时间重新索引。 定义方式如下：
{
"order": 0, // 模板优先级
"index_patterns": "goods_comment*", // 模板匹配的名称方式
"settings": {...}, // 索引设置
"mappings": {...}, // 索引中各字段的映射定义
"aliases": { // 索引别名
"goods_comment":{}
}
}零停机时间实现重新索引方式：
POST /_aliases
{
"actions": [
{ "remove": { "index": "my_index_v1", "alias": "my_index" }},
{ "add": { "index": "my_index_v2", "alias": "my_index" }}
]
}以上只是简单介绍了索引模板及其组成部分，详情请见Elasticsearch官方文档。Elastic Stack and Product Documentation | Elastic
有了以上的知识，我们就可以利用索引模板的API，对索引模板进行创建、查询、删除操作。
3.6 索引模板管理
3.6.1 创建索引模板
PUT _template/goods_comment_template
{
"order": 0, // 模板优先级
"index_patterns": "goods_comment*", // 模板匹配的名称方式
"settings": {...}, // 索引设置
"mappings": {...}, // 索引中各字段的映射定义
"aliases": { // 索引别名
"goods_comment":{}
}
}3.6.2 查看索引模板详情
GET _template // 查看所有模板
GET _template/temp* // 查看与通配符相匹配的模板
GET _template/temp1,temp2 // 查看多个模板
GET _template/shop_template // 查看指定模板3.6.3 判断模板是否存在
HEAD _template/shop_tem结果： a) 如果存在, 响应结果是: 200 - OK b) 如果不存在, 响应结果是: 404 - Not Found
3.6.4 删除索引模板
DELETE _template/shop_template // 删除上述创建的模板如果模板不存在, 将抛出404 错误。
四、同步文档时，自动创建索引
我们在前面已创建了商品评论的索引模板（goods_comment_template）。同步文档时，指定索引名称为“goods_comment_202010”。如果该索引不存在，那么ES会自动创建名为“goods_comment_202010”的索引，同时创建好“goods_comment”别名。索引的settings和mappings都会根据模板定义的规则生成。索引创建成功后，便能正常使用。
在商品评论业务中，同步文档是在代码中实现，需要根据商品评论的创建时间，以“goods_comment_yyyyMM”的形式获取完整的索引名称（如：goods_comment_202010）。同步文档时，指定索引名称为goods_comment_202010，即可将数据同步到该索引。
五、别名搜索
对于多个商品评论索引，每个索引都有“goods_comment“别名。使用别名进行搜索，便能从这多个索引中获取数据。
同理，其他业务索引实现搜索，都要求使用别名形式。
六、可能存在的问题点
索引在创建后，并不是一成不变的。随着业务的发展，新增字段也是较常见的。原来单索引时，若新增一个字段，只需要在mappings中新增字段、重建索引、迁移数据、切换别名即可。若拆分后的多个索引新增字段，工作量便会成倍增加。
修改索引模板，只会对后续生成的索引有作用；之前生成的索引，如需调整，需要手动或者使用脚本的形式，进行索引重建并迁移数据。
七、附录demo演示
demo演示，体验索引拆分的一个实现过程。
7.1 查询索引模板列表
查看ES中的所有索引模板列表，命令为：
GET _cat/templates?v结果为：
name index_patterns order version
kibana_index_template:.kibana [.kibana] 0
.monitoring-kibana [.monitoring-kibana-6-*] 0 6050399
.management-beats [.management-beats] 0 670007.2 创建索引模板
命令为：
PUT _template/demo_template
{
"order": 0,
"index_patterns": [
"demo*"
],
"settings": {
"index": {
"number_of_shards": 2,
"number_of_replicas": 0,
"max_result_window": 100000
}
},
"aliases": {
"demo": {}
}
}结果为：
{
"acknowledged" : true
}7.3 查看索引模板详情
命令为：
GET _template/demo_template结果为：
{
"demo_template" : {
"order" : 0,
"index_patterns" : [
"demo*"
],
"settings" : {
"index" : {
"max_result_window" : "100000",
"number_of_shards" : "2",
"number_of_replicas" : "0"
}
},
"mappings" : { },
"aliases" : {
"demo" : { }
}
}
}7.4 使用索引名称查询数据
命令为：
GET demo_v1/_search结果为：
{
"error" : {
"root_cause" : [
{
"type" : "index_not_found_exception",
"reason" : "no such index",
"resource.type" : "index_or_alias",
"resource.id" : "demo_v1",
"index_uuid" : "_na_",
"index" : "demo_v1"
}
],
"type" : "index_not_found_exception",
"reason" : "no such index",
"resource.type" : "index_or_alias",
"resource.id" : "demo_v1",
"index_uuid" : "_na_",
"index" : "demo_v1"
},
"status" : 404
}可以看到，demo_v1索引不存在。
7.5 创建文档时自动创建索引
在此之前，demo_v1索引不存在。通过创建文档，ES会根据demo_template索引模板，自动生成demo_v1索引。
命令为：
POST demo_v1/_doc
{
"id": 1,
"title": "这是一条数据"
}结果为：
{
"_index" : "demo_v1",
"_type" : "_doc",
"_id" : "20upIHUBO6Fj2CIJUFPr",
"_version" : 1,
"result" : "created",
"_shards" : {
"total" : 1,
"successful" : 1,
"failed" : 0
},
"_seq_no" : 0,
"_primary_term" : 1
}查看数据，命令为：
GET demo_v1/_search 用索引名称进行查询
GET demo/_search 用索引别名进行查询结果为：
{
"took" : 0,
"timed_out" : false,
"_shards" : {
"total" : 2,
"successful" : 2,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 1.0,
"hits" : [
{
"_index" : "demo_v1",
"_type" : "_doc",
"_id" : "20upIHUBO6Fj2CIJUFPr",
"_score" : 1.0,
"_source" : {
"id" : 1,
"title" : "这是一条数据"
}
}
]
}
}使用索引名称和索引别名，都能按照预期搜索出数据。但是，我们并未单独创建索引别名。我们来查看一下demo_v1索引的结构，命令为：
GET demo_v1结果为：
{
"demo_v1" : {
"aliases" : {
"demo" : { }
},
"mappings" : {
"_doc" : {
"properties" : {
"id" : {
"type" : "long"
},
"title" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
}
},
"settings" : {
"index" : {
"number_of_shards" : "2",
"provided_name" : "demo_v1",
"max_result_window" : "100000",
"creation_date" : "1602570768526",
"number_of_replicas" : "0",
"uuid" : "WrXtDB5eRzmU-xX1vAUCrA",
"version" : {
"created" : "6070099"
}
}
}
}
}我们可以看到，demo_v1 索引中配置项的值为：
-
分片数（number_of_shards）： 2
-
副本（number_of_replicas）： 0
-
别名（aliases）：demo
-
最大结果窗口（max_result_window）：100000
这些都是我们在demo_template模板中设置的。在自动创建索引时，根据索引模板的index_patterns值，只要我们的索引名称是以“demo”为前缀，都会根据该模板生成索引。因此，无论是demo_v1，还是demo_v2，只要索引名称是以“demo”为前缀，在创建文档时，如果不存在索引，ES会自动创建以“demo_template”为模板的索引。
7.6 有无索引模板的索引生成对比
实现索引拆分的最关键点，就在于索引模板。
下面，我们通过创建文档，来生成一个没有索引模板的索引进行对比。
（1）查询demo，命令为：
GET demo/_search结果为：
{
"error" : {
"root_cause" : [
{
"type" : "index_not_found_exception",
"reason" : "no such index",
"resource.type" : "index_or_alias",
"resource.id" : "demo",
"index_uuid" : "_na_",
"index" : "demo"
}
],
"type" : "index_not_found_exception",
"reason" : "no such index",
"resource.type" : "index_or_alias",
"resource.id" : "demo",
"index_uuid" : "_na_",
"index" : "demo"
},
"status" : 404
}观察结果，可以确定demo索引不存在。
（2）创建一条文档，命令为：
POST demo/_doc
{
"id": 1,
"title": "这是一条数据"
}结果为：
{
"_index" : "demo",
"_type" : "_doc",
"_id" : "PmXEIHUBwM4PCvJbG7Xw",
"_version" : 1,
"result" : "created",
"_shards" : {
"total" : 2,
"successful" : 1,
"failed" : 0
},
"_seq_no" : 0,
"_primary_term" : 1
}
观察结果，确认demo索引创建成功。
（3）查看数据，命令为：
GET demo/_search结果为：
{
"took" : 1,
"timed_out" : false,
"_shards" : {
"total" : 2,
"successful" : 2,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 1.0,
"hits" : [
{
"_index" : "demo",
"_type" : "_doc",
"_id" : "PmXEIHUBwM4PCvJbG7Xw",
"_score" : 1.0,
"_source" : {
"id" : 1,
"title" : "这是一条数据"
}
}
]
}
}数据同步成功，索引也创建完成。我们来看看这个索引结构，命令为：
GET demo结果为：
{
"demo" : {
"aliases" : { },
"mappings" : {
"_doc" : {
"properties" : {
"id" : {
"type" : "long"
},
"title" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
}
},
"settings" : {
"index" : {
"number_of_shards" : "2",
"provided_name" : "demo",
"creation_date" : "1602572524390",
"number_of_replicas" : "1",
"uuid" : "p8kNddGzQzWOaz5xLcSWhA",
"version" : {
"created" : "6070099"
}
}
}
}
}可以看到，demo索引中配置项的值为：
-
分片数（number_of_shards）： 2
-
副本（number_of_replicas）： 1
-
别名（aliases）：无
-
最大结果窗口（max_result_window）：无
为了直观比较，请看下表：
| 有索引模板（demo_v1） | 无索引模板（demo） | |
|---|---|---|
| number_of_shards | 2 | 2 |
| number_of_replicas | 0 | 1 |
| aliases | demo | 无 |
| max_result_window | 10w | 无，默认是1w |
通过上表可知，通过索引模板自动创建索引，有利于我们更好地掌控索引的结构。
通过demo演示，我们可以进一步理解索引拆分的过程及其实现原理，重点为索引模板。
八、参考
为开发者提供学习成长、分享交流、生态实践、资源工具等服务，帮助开发者快速成长。
更多推荐
已为社区贡献13条内容
