Fielddata 详尽解读

Fielddata 是 Elasticsearch 中的一个术语，指的是一些字段上值的聚合操作。ES 默认情况下，对于每个字段，都会存储原始的值和倒排索引来支持搜索。然而，在某些场景下，我们也需要聚合数据，计算最小、最大、平均值等指标，这就用到了 fielddata。下面将从几个方面对 fielddata 进行详细解读。

一、基础概念

Fielddata 中有两种类型的值：doc value 和 fielddata cache。其中，doc value 本质是一种优化索引的方式，可以加速排序和聚合操作。doc value 值是预先计算好的存储在内存中的值。相比之下，fielddata cache 存储在磁盘上的原始值，需要在聚合操作时再进行计算。fielddata cache 默认情况下是禁用的，需要手动启用。

二、聚合操作

聚合操作是 Elasticsearch 中 fielddata 的一个核心使用场景。最简单的聚合操作是计算最大值、最小值、平均值和唯一值，可以通过以下语句进行实现：

GET /my_index/_search
{
    "aggs": {
        "max_amount": { "max": { "field": "amount" } },
        "min_amount": { "min": { "field": "amount" } },
        "avg_amount": { "avg": { "field": "amount" } },
        "unique_tags": { "cardinality": { "field": "tags" } }
    }
}

另外，我们还可以使用 fielddata 对文本进行聚合操作。例如，以下语句计算商品品牌的销售总量：

GET /my_index/_search
{
    "aggs": {
        "brand_sales": {
            "terms": {
                "field": "brand.keyword"
            },
            "aggs": {
                "total_sales": {
                    "sum": {
                        "field": "sales"
                    }
                }
            }
        }
    }
}

三、性能优化

Fielddata 相对于一些常用的 Elasticsearch 操作（如搜索）是非常消耗资源的。因此需要一定的性能优化。常见的优化方式包括：

1、启用 doc value

启用 doc value 可以提升排序、聚合操作的性能，占用更少的内存。

PUT my_index/_mapping/my_type
{
  "properties": {
    "my_field": {
      "type": "long",
      "doc_values": true
    }
  }
}

2、避免全量操作

避免全量操作可以大大减少聚合操作的耗时。因此，需要明确设置聚合、搜索、查询、过滤和排序等操作的范围和目标，尽量不对全部数据执行操作。

3、增加缓存大小

fielddata 的 cache 默认是 30% JVM 堆空间。如果数据量较大，缓存可能会非常满，导致性能问题。可以通过增加缓存大小解决这个问题。

PUT /my_index/_settings
{
    "index": {
        "fielddata": {
            "cache": {
                "size": "40%"
            }
        }
    }
}

4、合理使用 filter

filter 比 query 更快，因为它可以减少 fielddata 的工作。过滤多个聚合操作时，尽量使用 filter 而不是 query。

四、总结

本文介绍了 Elasticsearch 中的 fielddata，讨论了其基础概念、聚合操作和性能优化。对于线上环境中的 fielddata 操作，需要根据具体的业务场景和数据量进行合理的性能优化，才能获得更好的使用效果。