ES中index_options参数故事版

index_options

index_options 控制索引时哪些信息被存储到倒排索引中（用在 text 字段中），有四种取值

index_options	备注
docs	只存储文档编号，默认即此
freqs	在 docs 基础上，存储词项频率
positions	在 freqs 基础上，存储词项偏移位置
offsets	在 positions 基础上，存储词项开始和结束的字符位置

index_options：数字村的「图书管理员笔记术」📚✍️

想象数字村的图书馆里有个超级管理员，他负责记录每本书的关键词位置。index_options就是他的笔记精细度等级，决定了记录关键词时要写多详细：

---

故事：管理员的四种笔记术

1. 基础笔记术（docs）→ 只记书名

"title": {
  "type": "text",
  "index_options": "docs"   // 最简记录
}

管理员行为：

• 📖 看到《哈利波特》出现"魔法"一词
• 📒 只记书名：魔法 → [哈利波特]
• ❌ 不记次数和位置

搜索效果：

// 能知道哪些书包含"魔法"
GET library/_search
{
  "query": {"term": {"title": "魔法"}}  // ✅ 返回《哈利波特》
}
// ❌ 但不知道出现几次、在什么位置

---

2. 计数笔记术（freqs）→ 书名+次数

"title": {
  "type": "text",
  "index_options": "freqs"   // 增加计数
}

管理员行为：

• 📖 发现《哈利波特》出现5次"魔法"
• 📒 记录：魔法 → [哈利波特]（出现5次）

搜索效果：

// 知道"魔法"在《哈利波特》中出现5次
// 可用于相关性排序（出现越多越靠前）

---

3. 定位笔记术（positions）→ 书名+次数+页码

"content": {
  "type": "text",
  "index_options": "positions"  // 增加位置
}

管理员行为：

• 📖 发现"魔法"出现在：
  • P10第3行、P45第8行、P120第5行
• 📒 记录：魔法 → [哈利波特]（位置：10.3, 45.8, 120.5）

搜索效果：

// 支持短语搜索（要求词按顺序出现）
GET library/_search
{
  "query": {
    "match_phrase": {
      "content": "魔法世界"  // ✅ 要求"魔法"后紧跟"世界"
    }
  }
}

---

4. 精确定位术（offsets）→ 书名+次数+页码+行号

"content": {
  "type": "text",
  "index_options": "offsets"  // 增加字符偏移
}

管理员行为：

• 📖 发现"魔法"出现在：
  • P10第3行：第15-17字符
  • P45第8行：第22-24字符
• 📒 记录：魔法 → [哈利波特]（位置：10.3:15-17, 45.8:22-24）

搜索效果：

// 支持高亮显示（精确到字符位置）
GET library/_search
{
  "query": {"match": {"content": "魔法"}},
  "highlight": {
    "fields": {"content": {}}
  }
}
/* 返回：
  "highlight": {
    "content": ["...<em>魔法</em>世界..."]
  } */

---

四阶笔记术对比表

等级	记录内容	比喻	存储开销	应用场景
docs	只存书名	书单目录	⚡ 最小	简单匹配
freqs	书名+次数	借阅统计表	⚡⚡ 中低	相关性排序
positions	+词位置	目录+页码	⚡⚡⚡ 中高	短语搜索
offsets	+字符位	行号标注	⚡⚡⚡⚡ 最大	高亮显示

---

管理员的工作建议

场景1：商品标题搜索

"product_name": {
  "type": "text",
  "index_options": "freqs"   // 知道出现次数即可
}

• ✅ 适合：按关键词频率排序
• ❌ 无需：短语搜索或高亮

场景2：法律条文检索

"law_text": {
  "type": "text",
  "index_options": "offsets"  // 需精确高亮
}

• ✅ 必要：显示"宪法第五条"的高亮
• 💾 代价：存储开销增加30%~50%

场景3：日志关键字监控

"error_log": {
  "type": "text",
  "index_options": "docs"    // 只需知道是否出现
}

• ✅ 高效：快速检测"ERROR"是否出现
• 💾 节省：比offsets减少60%存储

---

避坑指南

坑1：滥用offsets

// 错误配置（百GB数据用offsets）
"big_content": {
  "type": "text",
  "index_options": "offsets"   // ❌ 存储爆炸！
}

后果： 索引大小翻倍，写入速度减半

坑2：需要phrase却用docs

// 错误配置
"description": {
  "type": "text",
  "index_options": "docs"   // ❌ 无法短语搜索
}

// 用户搜索失败
GET products/_search
{
  "query": {
    "match_phrase": {
      "description": "无线充电"  // ❌ 无位置信息
    }
  }
}

---

黄金配置法则

PUT optimal_index
{
  "mappings": {
    "properties": {
      // 标题类短文本
      "title": {
        "type": "text",
        "index_options": "freqs"  // 平衡性能与功能
      },
      
      // 内容类长文本
      "body": {
        "type": "text",
        "index_options": "positions" // 支持短语搜索
      },
      
      // 需高亮字段
      "quote": {
        "type": "text",
        "index_options": "offsets"   // 精确高亮
      },
      
      // 标签类字段
      "tags": {
        "type": "text",
        "index_options": "docs"      // 只需匹配存在性
      }
    }
  }
}

---

记忆口诀

图书管理员四阶笔记术：

1. docs → 只记书名
   知道有，不知在哪
2. freqs → 书名+次数
   知热度，排序用
3. positions → 书名+次数+页码
   找短语，必须用
4. offsets → 书名+次数+页码+行号
   精定位，高亮用

选择原则：

📌 功能够用就好 → 避免过度存储
📌 高亮必须offsets → 其他场景慎用
📌 短语搜索要positions → docs/freqs不支持

记住这个图书管理员的比喻，轻松掌握搜索优化的精髓！ 🎯🔍