搜索引擎优化试题(什么是索引优化？索引所占空间的值？)

　　搜索引擎优化试题(什么是索引优化？索引所占空间的值？)

　　性能优化主要体现在两个方面：索引优化和检索优化。实际上，索引优化直接作用于检索优化。下面介绍的优化部分是应用层面的，下层部分jvm和es深度优化，本文暂不涉及。

　　一、索引优化

　　(1）字段索引类型选择优化

　　索引类型包括 es 中的 String、Integer、Long、Float 等简单类型，还有：Array（数组类型）、Object（对象类型）。一般应用前面的简单类型就足够了。这些类型也是es在Lucene的类型之上做的更加面向对象的封装。

　　索引类型选择原则：如果可以是数字类型，而不是字符串类型。除了索引大小的不同外，条件搜索的数值equals或range比字符串类型高几个数量级，尤其是数据量巨大的时候。

　　(2）字段索引选项优化

　　映射时，某个索引字段有多个选项，包括是否选择分词器（analyzer）、是否索引（index）、是否存储（store）。

　　索引时分词非常大。除了分词时间，一般会扩大索引占用的空间（增加term的数量，如果没有分词，term只能是1）。在选择分词器时，应该配置是索引分词还是nlp等不同类型的分词。

　　是否索引，字段是否可以用于条件搜索，如果不用于搜索，tokenizer等设置将无效。通常选择这样的设置字段进行存储。备注等字段经常是如果不需要索引，而是在查询的时候检索它的值，只需要设置为store store:yes即可。

　　是否存储，即该字段的值是否显示在搜索结果中，如果不选中，则在命中记录的结果集中看不到该字段的返回值。如果不存储，会大大降低索引占用空间的值。

　　(3）索引库系统配置优化

　　主要有两个参数，“index.translog.flush_threshold_ops”和“index.refresh_interval”。前者是es使用translog机制进行索引平衡时的一个重要参数。默认为5000，即当索引数超过这个值时，会执行一次Cluster equilibrium，而equilibrium比较耗时耗资源，所以应该放大。比如放大1-5倍是常见的选择。后一个参数主要是针对搜索引擎组中的延迟提交设置的，即系统提交要进行多长时间。如果设置为 -1，则需要手动提交才能使索引可见。

　　其次，索引合并过程中的段数、副本数、段数也会对索引和检索性能产生较大的影响，但默认设置可以解决大部分应用需求。

　　二、搜索优化

　　（1）同样的操作，对于数据值和字符串等非数字收据值这两个字段，前者会高几个数量级。

　　（2）尽量使用分页检索，不要一次检索太多，会给各方面带来很大压力，对并发性能影响较大。

　　（3）范围检索、排序等检索操作既费时又费资源。如果一定要使用，请尽量选择一个数值。这个问题可以通过合理的设计来解决。

　　（4）搜索大数据条件时，应该多加一些条件，以减少整体结果的命中量，即多条件检索比单条件检索更节省时间。在关系中做一些类似于现有数据的事情database 分区操作是一个不错的选择，比如使用数字字段，或者直接使用es的_type字段，当然后者应该比前者更受欢迎，在大数据条件下效果会更好。

　　由于es个人学习时间和深度有限，如有不足，欢迎交流。欢迎加入网络爬虫和nlp群320349384，分享IT相关技术问题。