1、不需要查询的字段取消建立索引
es结构中，默认会给所有字段建立索引，占用索引空间
"candidate_person":{
"type": "keyword"
},
"candidate_email":{
"type": "keyword",
"index": false //设置不建立索引
},2、构建联合索引字段查询
例如我有title（标题）和description（正文），搜索时关键字会匹配这两个
语句如下
{
"from": 0,
"size": 10,
"query": {
"bool": {
"should": [
{
"match_phrase": {
"title": "中国"
}
},
{
"match_phrase": {
"description": "中国"
}
}
],
"minimum_should_match": 1
}
}
}在构建索引时将两个字段作为联合索引查
构建方式如下：
"title":{
"type": "text",
"analyzer": "ik_max_word",
"copy_to": "my_search"
},
"description":{
"type": "text",
"analyzer": "ik_max_word",
"copy_to": "my_search"
},
"my_search":{
"type": "text",
"analyzer": "ik_max_word"
}查询时就变得简单，只需要匹配my_search即可,比两个字段的或查询速度快
{
"from": 0,
"size": 10,
"query": {
"bool": {
"must": [
{
"match_phrase": {
"my_search": "中国"
}
}
]
}
}
}3、选择合适的数据类型
mapping是对索引库中文档的约束，常见的mapping属性包括：
- type：字段数据类型，常见的简单类型有：
- 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
- 数值：long、integer、short、byte、double、float、
- 布尔：boolean
- 日期：date
- 对象：object
- index：是否创建索引，默认为true
- analyzer：使用哪种分词器
- properties：该字段的子字段
4、构建查询语句时尽量写在filter中，must需要计算相关性得分
注：filter的term条件查询不支持text
{
"from": 0,
"size": 10,
"track_total_hits": true,
"query": {
"bool": {
"must": [
{
"match_phrase": {
"evaluate": "A"
}
},
{
"bool": {
"should": [
{
"match_phrase": {
"title": "中国"
}
},
{
"match_phrase": {
"description": "中国"
}
}
],
"minimum_should_match": 1
}
},
{
"match_phrase": {
"zb_type": "工程招标"
}
},
{
"wildcard": {
"category": "*交通运输*"
}
}
],
"should": [
],
"filter": [
{
"term": {
"area": "北京"
}
},
{
"range": {
"publish_date": {
"gt": 1673419272000,
"lt": 1704955272000,
"format": "epoch_millis"
}
}
},
{
"range": {
"show_money": {
"gt": "1000000",
"lt": "10000000"
}
}
}
]
}
}
}