基于本文回答

播面 播面

文图音视，全方位拆解八股文
0
评论
请从左侧选择一个分类

Elasticsearch 中Text 类型和 Keyword 类型有什么区别？

知识点图片

在 Elasticsearch 中，Text 和 Keyword 是处理字符串（String）数据的两种主要类型。它们的核心区别在于是否进行分词（Analysis）以及底层存储结构的不同，这也决定了它们各自适用的场景。

以下是详细的对比分析：

1. 核心区别总结表

特性 Text 类型 Keyword 类型
分词 (Analysis) 会分词 (Analyzed)。会被解析器拆分成独立的词项 (tokens)。 不分词 (Not Analyzed)。作为一个整体存储。
主要用途 全文检索 (Full-text search)。如搜索文章内容、产品描述。 精确匹配、过滤、排序、聚合。如 ID、状态码、标签、邮箱。
查询方式 通常使用 match 查询。支持模糊匹配、相关性打分。 通常使用 term 查询。必须完全一致（包括大小写）。
排序与聚合 不支持 (默认禁用 Fielddata，因为消耗大量堆内存)。 支持 (使用 Doc Values，性能高)。
存储结构 倒排索引 (Inverted Index)。 倒排索引 + 列式存储 (Doc Values)。
大小写敏感 通常不敏感 (标准分析器会将词转为小写)。 敏感 (原样存储)。

2. 详细原理解析

Text 类型 (全文检索)

  • 处理过程：当数据存入 Text 字段时，ES 会使用分析器（Analyzer）对字符串进行处理。
    • 例如：输入 "Apple Store"。
    • 标准分析器处理后：生成两个词项 ["apple", "store"]（转小写、去标点、拆分）。
  • 搜索：当你搜索 "Apple" 时，ES 会去倒排索引中查找 apple，能找到文档。
  • 缺点：因为原文本被拆散了，所以无法直接用来做排序（Sorting）或聚合（Aggregation）。如果强行开启 fielddata 来支持排序，会占用极高的内存，容易导致 OOM（内存溢出）。

Keyword 类型 (结构化数据)

  • 处理过程：数据存入 Keyword 字段时，ES 不做任何修改，原样存储。
    • 例如：输入 "Apple Store"。
    • 存储结果："Apple Store" 这一整个字符串。
  • 搜索：
    • 搜索 "Apple Store" -> 匹配。
    • 搜索 "Apple" -> 不匹配。
    • 搜索 "apple store" (小写) -> 不匹配 (除非原数据就是小写)。
  • 优势：Keyword 类型默认开启 Doc Values（一种列式存储结构，存在磁盘上），这使得它在排序、聚合（如统计每个品牌的销量）和脚本计算时速度非常快且内存友好。

3. 代码示例

假设我们有一个博客文章的索引：

Mapping 定义：

json 
PUT /blog_posts
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text"          // 标题：用于全文搜索
      },
      "status": {
        "type": "keyword"       // 状态：用于精确过滤（如 "published", "draft"）
      }
    }
  }
}

插入数据：

json 
POST /blog_posts/_doc/1
{
  "title": "Elasticsearch is fast",
  "status": "PUBLISHED"
}

场景 A：搜索 Title (Text)

json 
// 使用 match 查询，不区分大小写，分词匹配
GET /blog_posts/_search
{
  "query": {
    "match": {
      "title": "Elasticsearch" 
    }
  }
}
// 结果：命中文档。因为 "Elasticsearch" 被分词并匹配到了索引中的 "elasticsearch"。

场景 B：搜索 Status (Keyword)

json 
// 错误示范：大小写不匹配
GET /blog_posts/_search
{
  "query": {
    "term": {
      "status": "published" 
    }
  }
}
// 结果：未命中。因为 Keyword 存储的是 "PUBLISHED"，而你搜的是 "published"。

// 正确示范
GET /blog_posts/_search
{
  "query": {
    "term": {
      "status": "PUBLISHED"
    }
  }
}
// 结果：命中。

4. 最佳实践：多字段 (Multi-fields)

在实际开发中，我们经常遇到既需要全文检索，又需要排序/聚合的字段（例如：文章标题、人名）。

此时，可以使用 ES 的 Multi-fields 功能，将同一个字段映射为两种类型。

Mapping 定义：

json 
PUT /products
{
  "mappings": {
    "properties": {
      "product_name": {
        "type": "text",            // 主字段：用于搜索
        "fields": {
          "raw": {                 // 子字段：命名为 raw (也可以叫 keyword)
            "type": "keyword"      // 类型为 keyword，用于排序和聚合
          }
        }
      }
    }
  }
}

如何使用：

  1. 搜索时：使用 product_name。
    json 
    "match": { "product_name": "iPhone" }
  2. 排序/聚合时：使用 product_name.raw。
    json 
    "sort": [
  { "product_name.raw": { "order": "asc" } }
]

总结

  • Text：也就是“文章”，用来搜内容的。
  • Keyword：也就是“标签/ID”，用来筛选、排序、统计的。
  • 两者都要：使用 fields 开启多字段映射。
00:00
00:00