弹性搜索，多个索引与一个索引以及不同数据集的类型？

我有一个使用MVC模式开发的应用程序，现在我希望为它的多个模型建立索引，这意味着每个模型具有不同的数据结构。

• 使用多个索引（每个模型一个索引还是在每个模型的相同索引中使用一个类型）是更好的选择吗？我认为这两种方式都需要不同的搜索查询。我刚刚开始。

• 如果数据集很小或很大，这两个概念在性能上是否存在差异？

我会亲自测试第二个问题，是否有人可以为此目的推荐一些好的样本数据。

两种方法都有不同的含义。

假设您使用的是Elasticsearch的默认设置，则每个模型具有1个索引将大大增加分片的数量，因为1个索引将使用5个分片，而5个数据模型将使用25个分片；在1个索引中有5种对象类型时，仍将使用5个分片。

将每个数据模型作为索引的含义：

• 在索引内进行搜索的效率高且速度快，因为每个分片中的数据量应较小，因为它已分配给不同的索引。
• 从2个或多个索引中搜索数据模型的组合将产生开销，因为查询将必须跨索引发送到更多分片，然后编译并发送回用户。
• 如果您的数据集很小，则不建议这样做，因为在创建每个额外的分片时会占用更多的存储空间，并且性能提升很小。
• 如果您的数据集很大并且查询需要花费很长时间，则建议使用此方法，因为专用分片将存储您的特定数据，并且Elasticsearch会更容易处理。

将每个数据模型作为索引中的对象类型的含义：

• 更多数据将存储在索引的5个分片中，这意味着在跨不同数据模型进行查询时，开销问题较小，但分片大小会大大增加。
• 碎片中的更多数据将需要更长的时间供Elasticsearch搜索，因为有更多文档需要过滤。
• 如果您知道要处理1 TB的数据并且没有在Elasticsearch映射中的不同索引或多个分片中分布数据，则不建议使用。
• 推荐用于小型数据集，因为您不会浪费存储空间以提高性能，因为每个分片都占用您的硬件空间。

如果您要问什么是太多数据与小数据？通常，它取决于处理器速度和硬件的RAM，用于Elasticsearch的映射中每个变量内存储的数据量以及查询要求；在查询中使用许多方面会大大降低您的响应时间。没有直接的答案，您将必须根据需要进行基准测试。

尽管乔纳森当时的回答是正确的，但世界已经发展了，现在看来，ElasticSearch背后的人们有长期计划放弃对多种类型的支持：

我们想要去的地方：我们想从Elasticsearch中删除类型的概念，同时仍然支持父/子。

因此，对于新项目，每个索引仅使用一种类型将使最终升级到ElasticSearch 6.x更加容易。

乔纳森的答案很好。我只需要添加其他几点考虑：

• 可以根据您选择的解决方案自定义碎片数量。您可能有一个包含15个主要分片的索引，或者将其分为5个分片的3个索引-性能角度不会改变（假设数据分布均匀）
• 考虑数据使用情况。就是 如果您使用kibana进行可视化，则包含/排除特定索引会更容易，但是必须在信息中心中过滤类型
• 数据保留：对于应用程序日志/度量标准数据，如果需要不同的保留期限，请使用不同的索引

以上两个答案都很棒！

我在索引中添加了几种类型的示例。假设您正在开发一个用于在图书馆中搜索书籍的应用程序。向图书馆馆长提出的问题很少，

问题：

1. 您打算存储几本书？

2. 您要在图书馆中存放哪种书？

3. 您打算如何搜寻书籍？

答案：

1. 我计划存储约5万到7万本图书

2. 我将拥有15 k -20 k技术相关的书籍（计算机科学，机械工程，化学工程等），15 k的历史书籍，10 k的医学书籍。10 k与语言相关的书籍（英语，西班牙语等）

3. 按作者名字，作者姓氏，出版年份，出版者名称搜索。（这使您了解应在索引中存储哪些信息）

从上面的答案中，我们可以说索引中的模式应该看起来像这样。

//这不是确切的映射，仅用于示例

            "yearOfPublish":{
                "type": "integer"
            },
            "author":{
                "type": "object",
                "properties": {
                    "firstName":{
                        "type": "string"
                    },
                    "lastName":{
                        "type": "string"
                    }
                }
            },
            "publisherName":{
                "type": "string"
            }
        }

为了实现上述目的，我们可以创建一个称为Books的索引，并且可以具有多种类型。

索引：书

类型：科学，艺术

（或者，如果您有更多书籍，则可以创建许多类型，例如技术，医学，历史，语言）

这里要注意的重要一点是架构是相似的，但是数据并不相同。另一个重要的事情是您要存储的总数据。

希望以上内容对何时在索引中使用不同类型有帮助，如果您具有不同的架构，则应考虑使用不同的索引。索引较小，数据较少。大数据大索引:-)