elasticsearch的doc_values
2019-08-17 00:13
1871 查看
Doc Values 是什么
其实大部分
NoSQL在创建多个索引的时候也采用这种方式,就是再使用另一种方式存储一份文本,使得可以增强搜索。
Docvalues通过转置两者间的关系来解决这个问题。倒排索引将词项映射到包含它们的文档,
Docvalues将文档映射到它们包含的词项:
Doc Terms-----------------------------------------------------------------Doc_1 | brown, dog, fox, jumped, lazy, over, quick, the Doc_2 | brown, dogs, foxes, in, lazy, leap, over, quick, summer Doc_3 | dog, dogs, fox, jumped, over, quick, the-----------------------------------------------------------------
当数据被转置之后,想要收集到每个文档行,获取所有的词项就非常简单了。所以搜索使用倒排索引查找文档,聚合操作收集和聚合
DocValues里的数据,这就是
ElasticSearch。
深入理解 ElasticSearch Doc Values
DocValues是在索引时与倒排索引同时生成。也就是说
DocValues和
倒排索引一样,基于
Segement生成并且是不可变的。同时
DocValues和
倒排索引一样序列化到磁盘,这样对性能和扩展性有很大帮助。
DocValues通过序列化把数据结构持久化到磁盘,我们可以充分利用操作系统的内存,而不是
JVM的
Heap。 当
workingset远小于系统的可用内存,系统会自动将
DocValues保存在内存中,使得其读写十分高速; 不过,当其远大于可用内存时,操作系统会自动把
DocValues写入磁盘。很显然,这样性能会比在内存中差很多,但是它的大小就不再局限于服务器的内存了。如果是使用
JVM的
Heap来实现那么只能是因为
OutOfMemory导致程序崩溃了。
Doc Values 压缩
从广义来说,
DocValues本质上是一个序列化的 列式存储,这个结构非常适用于聚合、排序、脚本等操作。而且,这种存储方式也非常便于压缩,特别是数字类型。这样可以减少磁盘空间并且提高访问速度。下面来看一组数字类型的
DocValues:
Doc Terms ----------------------------------------------------------------- Doc_1 | 100 Doc_2 | 1000 Doc_3 | 1500 Doc_4 | 1200 Doc_5 | 300 Doc_6 | 1900 Doc_7 | 4200 -----------------------------------------------------------------
你会注意到这里每个数字都是 100 的倍数,
DocValues会检测一个段里面的所有数值,并使用一个 最大公约数 ,方便做进一步的数据压缩。我们可以对每个数字都除以 100,然后得到:
[1,10,15,12,3,19,42]。现在这些数字变小了,只需要很少的位就可以存储下,也减少了磁盘存放的大小。
DocValues在压缩过程中使用如下技巧。它会按依次检测以下压缩模式:
如果所有的数值各不相同(或缺失),设置一个标记并记录这些值
如果这些值小于 256,将使用一个简单的编码表
如果这些值大于 256,检测是否存在一个最大公约数
如果没有存在最大公约数,从最小的数值开始,统一计算偏移量进行编码
当然如果存储
String类型,其一样可以通过顺序表对
String类型进行数字编码,然后再把数字类型构建
DocValues。
禁用 Doc Values
DocValues默认对所有字段启用,除了
analyzed strings。也就是说所有的数字、地理坐标、日期、IP 和不分析(
not_analyzed)字符类型都会默认开启。
analyzed strings暂时还不能使用
DocValues,是因为经过分析以后的文本会生成大量的
Token,这样非常影响性能。
虽然
DocValues非常好用,但是如果你存储的数据确实不需要这个特性,就不如禁用他,这样不仅节省磁盘空间,也许会提升索引的速度。
要禁用
DocValues,在字段的映射(mapping)设置
doc_values:false即可。例如,这里我们创建了一个新的索引,字段
"session_id"禁用了
DocValues:
PUT my_index{ "mappings": { "my_type": { "properties": { "session_id": { "type": "string", "index": "not_analyzed", "doc_values": false } } } }}
通过设置
doc_values:false,这个字段将不能被用于聚合、排序以及脚本操作
同样可以禁用倒排索引,使它不能被正常搜索,但是可以排序,例如:
PUT my_index{ "mappings": { "my_type": { "properties": { "customer_token": { "type": "string", "index": "not_analyzed", "doc_values": true, "index": "no" } } } }}
通过设置
doc_values:true和
index:no,我们得到一个只能被用于聚合/排序/脚本的字段。
相关文章推荐
- elasticsearch的Doc Values 和 Fielddata
- elasticsearch中的doc_values
- ElasticSearch中doc values和fielddata
- 深入理解 ElasticSearch Doc Values
- Elasticsearch中的DocValues
- cannot change DocValues type from SORTED_SET to NUMERIC for field xxx
- ElasticSearch44:初识搜索引擎_内核级知识点之doc value初步探秘
- Elasticsearch2.x Doc values
- fielddata -->doc values
- Lucene DocValues详解
- R12: How to add Microsoft Excel as Type to the Create Template List of Values in BI Publisher (Doc ID 1343225.1)
- Faceting on a field in SolrCloud with docValues=true and indexed=false fails
- solr中docValues字段排序源码分析
- elasticsearch删除doc
- cannot change DocValues type from SORTED_SET to NUMERIC for field xxx
- elasticsearch 学习博客系列<五> ES 中 index-doc 的 更新(java)
- 使用ByteRef加速String类型DocValues的加载
- lucene升级至5.x版本出现 :IllegalStateException: IllegalStateException: unexpected docvalues type NONE"
- Maximum SHMMAX values for Linux x86 and x86-64 (Doc ID 567506.1)
- lucene DocValues——没有看懂