一篇文章讲透 Elasticsearch：从倒排索引到实战落地

一篇文章讲透 Elasticsearch：从倒排索引到实战落地

如果你遇到过这种场景------数据库里几百万条数据，用户输入一个关键词，你写了个 LIKE '%关键词%'，结果查询慢得让人想砸电脑；或者你想做个"智能搜索"，要相关度排序、要纠错、要高亮------那这篇就是为你准备的。

这篇从原理 讲到实战，全程手把手，看完就能上手写查询。

---

一、为什么需要 ES？

先问一个问题：我们真的需要 ES 吗？关系型数据库难道不能搜索？

能搜，但很痛苦。

SELECT * FROM article WHERE title LIKE '%Elasticsearch%';

这个查询在数据量小的时候还能忍，可一旦数据到了千万级：

• LIKE '%xxx%' 无法走索引，只能全表扫描，慢到怀疑人生；
• 没有相关度打分，搜"苹果"和搜"苹果手机"，结果排序完全一样；
• 不支持分词，"Elasticsearch" 搜 "elastic" 搜不到；
• 不支持同义词、拼音、模糊纠错这些"人性化"搜索。

而 ES 的定位，就是为了解决"全文搜索 + 大数据量 + 分布式 + 实时分析"这些问题而生的。

一句话定位 ：ES 是一个基于 Lucene 的分布式搜索与分析引擎。它快、能水平扩容、自带分布式、支持近乎实时的搜索和聚合分析。

适用场景 vs 不适用场景

搞清楚边界，才不会用错工具：

适合用 ES	不适合用 ES
全文搜索、站内搜索	需要强事务（ACID）的业务
日志分析、监控大盘	复杂的多表关联查询（ES 关联很弱）
聚合统计、数据分析	频繁的精确更新（每秒百万级写入又要求实时）
自动补全、纠错、推荐	你的数据量 < 几百万且查询简单

实际生产中最常见的做法是 MySQL 做主存储 + ES 做搜索：业务数据落 MySQL，通过同步机制（如 Canal、Logstash、MQ）把数据同步到 ES，搜索走 ES，详情回表查 MySQL。

---

二、核心概念：先建立世界观

ES 的核心概念不多，但一定要先建立正确的对应关系。很多人一开始被 "Index" 这个词搞晕------在关系型数据库里 "Index" 是索引，在 ES 里 "Index" 却约等于一张表。

关系型数据库 (MySQL)	Elasticsearch
数据库 database	索引 index
表 table	类型 type（7.x 后废弃）
行 row	文档 document
列 column	字段 field
表结构 schema	映射 mapping
SQL	Query DSL / SQL

这套数据模型从上到下是分层的，画个图更直观：
#mermaid-svg-XxcKpdsFPF5q9uAv{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-XxcKpdsFPF5q9uAv .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-XxcKpdsFPF5q9uAv .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-XxcKpdsFPF5q9uAv .error-icon{fill:#552222;}#mermaid-svg-XxcKpdsFPF5q9uAv .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-XxcKpdsFPF5q9uAv .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-XxcKpdsFPF5q9uAv .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-XxcKpdsFPF5q9uAv .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-XxcKpdsFPF5q9uAv .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-XxcKpdsFPF5q9uAv .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-XxcKpdsFPF5q9uAv .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-XxcKpdsFPF5q9uAv .marker{fill:#333333;stroke:#333333;}#mermaid-svg-XxcKpdsFPF5q9uAv .marker.cross{stroke:#333333;}#mermaid-svg-XxcKpdsFPF5q9uAv svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-XxcKpdsFPF5q9uAv p{margin:0;}#mermaid-svg-XxcKpdsFPF5q9uAv .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-XxcKpdsFPF5q9uAv .cluster-label text{fill:#333;}#mermaid-svg-XxcKpdsFPF5q9uAv .cluster-label span{color:#333;}#mermaid-svg-XxcKpdsFPF5q9uAv .cluster-label span p{background-color:transparent;}#mermaid-svg-XxcKpdsFPF5q9uAv .label text,#mermaid-svg-XxcKpdsFPF5q9uAv span{fill:#333;color:#333;}#mermaid-svg-XxcKpdsFPF5q9uAv .node rect,#mermaid-svg-XxcKpdsFPF5q9uAv .node circle,#mermaid-svg-XxcKpdsFPF5q9uAv .node ellipse,#mermaid-svg-XxcKpdsFPF5q9uAv .node polygon,#mermaid-svg-XxcKpdsFPF5q9uAv .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-XxcKpdsFPF5q9uAv .rough-node .label text,#mermaid-svg-XxcKpdsFPF5q9uAv .node .label text,#mermaid-svg-XxcKpdsFPF5q9uAv .image-shape .label,#mermaid-svg-XxcKpdsFPF5q9uAv .icon-shape .label{text-anchor:middle;}#mermaid-svg-XxcKpdsFPF5q9uAv .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-XxcKpdsFPF5q9uAv .rough-node .label,#mermaid-svg-XxcKpdsFPF5q9uAv .node .label,#mermaid-svg-XxcKpdsFPF5q9uAv .image-shape .label,#mermaid-svg-XxcKpdsFPF5q9uAv .icon-shape .label{text-align:center;}#mermaid-svg-XxcKpdsFPF5q9uAv .node.clickable{cursor:pointer;}#mermaid-svg-XxcKpdsFPF5q9uAv .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-XxcKpdsFPF5q9uAv .arrowheadPath{fill:#333333;}#mermaid-svg-XxcKpdsFPF5q9uAv .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-XxcKpdsFPF5q9uAv .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-XxcKpdsFPF5q9uAv .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-XxcKpdsFPF5q9uAv .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-XxcKpdsFPF5q9uAv .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-XxcKpdsFPF5q9uAv .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-XxcKpdsFPF5q9uAv .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-XxcKpdsFPF5q9uAv .cluster text{fill:#333;}#mermaid-svg-XxcKpdsFPF5q9uAv .cluster span{color:#333;}#mermaid-svg-XxcKpdsFPF5q9uAv div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-XxcKpdsFPF5q9uAv .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-XxcKpdsFPF5q9uAv rect.text{fill:none;stroke-width:0;}#mermaid-svg-XxcKpdsFPF5q9uAv .icon-shape,#mermaid-svg-XxcKpdsFPF5q9uAv .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-XxcKpdsFPF5q9uAv .icon-shape p,#mermaid-svg-XxcKpdsFPF5q9uAv .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-XxcKpdsFPF5q9uAv .icon-shape .label rect,#mermaid-svg-XxcKpdsFPF5q9uAv .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-XxcKpdsFPF5q9uAv .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-XxcKpdsFPF5q9uAv .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-XxcKpdsFPF5q9uAv :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 集群 Cluster
索引 Index (类似数据库)
分片 Shard
文档 Document (类似一行记录)
字段 Field: title
字段 Field: content
字段 Field: author

这里最容易踩坑的三个概念：

• 文档（Document）：存储的最小单元，本质是 JSON。
• 索引（Index）：一堆文档的集合，可以理解为"数据库"。
• 映射（Mapping）：定义每个字段的类型和分词方式，相当于"表结构"。

{
  "title": "Elasticsearch 入门",
  "content": "这是一篇科普文章",
  "author": "技术大佬",
  "publish_date": "2026-08-05"
}

版本提醒 ：ES 6.x 一个索引只允许一个 type；7.x 开始废弃 type ，一个索引就是一个文档集合；8.x 起默认开启安全认证。写这篇时主流生产环境是 7.x 和 8.x，下文代码均以 7.x/8.x 为准。

---

三、倒排索引：ES 快起来的秘密武器

这是 ES 的灵魂，也是面试必问。理解了倒排索引，你就理解了 ES 一半。

3.1 正排索引 vs 倒排索引

传统数据库用的是正排索引------"文档 → 内容"：

文档1: "我爱北京天安门"
文档2: "天安门广场看升旗"
文档3: "我爱吃苹果"

你想搜"天安门"，就得把三篇文档全读一遍，看哪篇里有这个词------这就是 LIKE 全表扫描。

而倒排索引反过来了------"词 → 哪些文档包含这个词"：
#mermaid-svg-BzFlPordezNKF3JL{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-BzFlPordezNKF3JL .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-BzFlPordezNKF3JL .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-BzFlPordezNKF3JL .error-icon{fill:#552222;}#mermaid-svg-BzFlPordezNKF3JL .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-BzFlPordezNKF3JL .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-BzFlPordezNKF3JL .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-BzFlPordezNKF3JL .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-BzFlPordezNKF3JL .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-BzFlPordezNKF3JL .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-BzFlPordezNKF3JL .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-BzFlPordezNKF3JL .marker{fill:#333333;stroke:#333333;}#mermaid-svg-BzFlPordezNKF3JL .marker.cross{stroke:#333333;}#mermaid-svg-BzFlPordezNKF3JL svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-BzFlPordezNKF3JL p{margin:0;}#mermaid-svg-BzFlPordezNKF3JL .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-BzFlPordezNKF3JL .cluster-label text{fill:#333;}#mermaid-svg-BzFlPordezNKF3JL .cluster-label span{color:#333;}#mermaid-svg-BzFlPordezNKF3JL .cluster-label span p{background-color:transparent;}#mermaid-svg-BzFlPordezNKF3JL .label text,#mermaid-svg-BzFlPordezNKF3JL span{fill:#333;color:#333;}#mermaid-svg-BzFlPordezNKF3JL .node rect,#mermaid-svg-BzFlPordezNKF3JL .node circle,#mermaid-svg-BzFlPordezNKF3JL .node ellipse,#mermaid-svg-BzFlPordezNKF3JL .node polygon,#mermaid-svg-BzFlPordezNKF3JL .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-BzFlPordezNKF3JL .rough-node .label text,#mermaid-svg-BzFlPordezNKF3JL .node .label text,#mermaid-svg-BzFlPordezNKF3JL .image-shape .label,#mermaid-svg-BzFlPordezNKF3JL .icon-shape .label{text-anchor:middle;}#mermaid-svg-BzFlPordezNKF3JL .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-BzFlPordezNKF3JL .rough-node .label,#mermaid-svg-BzFlPordezNKF3JL .node .label,#mermaid-svg-BzFlPordezNKF3JL .image-shape .label,#mermaid-svg-BzFlPordezNKF3JL .icon-shape .label{text-align:center;}#mermaid-svg-BzFlPordezNKF3JL .node.clickable{cursor:pointer;}#mermaid-svg-BzFlPordezNKF3JL .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-BzFlPordezNKF3JL .arrowheadPath{fill:#333333;}#mermaid-svg-BzFlPordezNKF3JL .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-BzFlPordezNKF3JL .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-BzFlPordezNKF3JL .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-BzFlPordezNKF3JL .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-BzFlPordezNKF3JL .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-BzFlPordezNKF3JL .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-BzFlPordezNKF3JL .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-BzFlPordezNKF3JL .cluster text{fill:#333;}#mermaid-svg-BzFlPordezNKF3JL .cluster span{color:#333;}#mermaid-svg-BzFlPordezNKF3JL div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-BzFlPordezNKF3JL .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-BzFlPordezNKF3JL rect.text{fill:none;stroke-width:0;}#mermaid-svg-BzFlPordezNKF3JL .icon-shape,#mermaid-svg-BzFlPordezNKF3JL .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-BzFlPordezNKF3JL .icon-shape p,#mermaid-svg-BzFlPordezNKF3JL .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-BzFlPordezNKF3JL .icon-shape .label rect,#mermaid-svg-BzFlPordezNKF3JL .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-BzFlPordezNKF3JL .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-BzFlPordezNKF3JL .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-BzFlPordezNKF3JL :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 文档1: 我爱北京天安门
分词器 Analyzer
文档2: 天安门广场看升旗
文档3: 我爱吃苹果
词条 Term 列表
倒排索引表
我 → 文档1, 文档3
爱 → 文档1, 文档3
北京 → 文档1
天安门 → 文档1, 文档2
升旗 → 文档2

当用户搜索"天安门"时，ES 直接查这张表，O(1) 级别就定位到了文档 1、2，不用扫描全文。

可以类比成图书馆的目录卡片：正排索引是"一本书里有哪几个关键词"，倒排索引是"某个关键词出现在哪几本书里"。搜索引擎永远选择后者，因为查询词是无限的，而词表是有限的。

3.2 分词：倒排索引的前提

文档进来要先分词 。分词的产出叫 Term（词条），这活儿由 Analyzer（分析器） 干。

一个分析器由三部分组成：

Analyzer = Character Filter（字符过滤）
         + Tokenizer（分词器）
         + Token Filter（词项过滤）

ES 内置了很多分析器：

分析器	效果	场景
standard	按空格/标点切分，转小写	英文默认
ik_max_word	中文最大分词，如"天安门"→"天安门"	中文搜索（需装插件）
ik_smart	中文最细粒度切分，切得更少更准	中文搜索（召回少、精度高）
keyword	不分词，整个当做一个词	精确匹配、标签、聚合

比如 "I love Elasticsearch" 经过 standard 分析器，会变成 i、love、elasticsearch 三个词条。

中文分词是个大坑 。ES 自带的 standard 对中文只是按字切，效果极差。生产环境中文搜索几乎必装 IK 分词器 （analysis-ik）。如果再做电商搜索，还常叠加拼音分词器（analysis-pinyin）实现"打错拼音也能搜"。

---

四、分布式架构：一台装不下，就一群

单机版的 Lucene 再快，也扛不住海量数据和并发。ES 的解法是横向扩展------把数据切碎，撒到多台机器上。

四个核心概念：

• 集群（Cluster）：一群节点的集合，有统一的集群名。
• 节点（Node）：一台运行 ES 的机器，本质是一个 Java 进程。
• 主分片（Primary Shard）：一个索引被切成的片段，负责数据"写入"，主分片数在建索引时定死。
• 副本分片（Replica Shard）：主分片的拷贝，负责"读"和高可用，副本数随时可调。

打个比方：一本 1000 页的书，拆成 5 份（每个主分片 200 页）分给 5 个人看，速度自然快 5 倍；再复印一份（副本）放别处，一人坏了也不影响。
#mermaid-svg-aZgkRwMLJsu5Li6T{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-aZgkRwMLJsu5Li6T .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-aZgkRwMLJsu5Li6T .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-aZgkRwMLJsu5Li6T .error-icon{fill:#552222;}#mermaid-svg-aZgkRwMLJsu5Li6T .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-aZgkRwMLJsu5Li6T .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-aZgkRwMLJsu5Li6T .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-aZgkRwMLJsu5Li6T .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-aZgkRwMLJsu5Li6T .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-aZgkRwMLJsu5Li6T .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-aZgkRwMLJsu5Li6T .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-aZgkRwMLJsu5Li6T .marker{fill:#333333;stroke:#333333;}#mermaid-svg-aZgkRwMLJsu5Li6T .marker.cross{stroke:#333333;}#mermaid-svg-aZgkRwMLJsu5Li6T svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-aZgkRwMLJsu5Li6T p{margin:0;}#mermaid-svg-aZgkRwMLJsu5Li6T .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-aZgkRwMLJsu5Li6T .cluster-label text{fill:#333;}#mermaid-svg-aZgkRwMLJsu5Li6T .cluster-label span{color:#333;}#mermaid-svg-aZgkRwMLJsu5Li6T .cluster-label span p{background-color:transparent;}#mermaid-svg-aZgkRwMLJsu5Li6T .label text,#mermaid-svg-aZgkRwMLJsu5Li6T span{fill:#333;color:#333;}#mermaid-svg-aZgkRwMLJsu5Li6T .node rect,#mermaid-svg-aZgkRwMLJsu5Li6T .node circle,#mermaid-svg-aZgkRwMLJsu5Li6T .node ellipse,#mermaid-svg-aZgkRwMLJsu5Li6T .node polygon,#mermaid-svg-aZgkRwMLJsu5Li6T .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-aZgkRwMLJsu5Li6T .rough-node .label text,#mermaid-svg-aZgkRwMLJsu5Li6T .node .label text,#mermaid-svg-aZgkRwMLJsu5Li6T .image-shape .label,#mermaid-svg-aZgkRwMLJsu5Li6T .icon-shape .label{text-anchor:middle;}#mermaid-svg-aZgkRwMLJsu5Li6T .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-aZgkRwMLJsu5Li6T .rough-node .label,#mermaid-svg-aZgkRwMLJsu5Li6T .node .label,#mermaid-svg-aZgkRwMLJsu5Li6T .image-shape .label,#mermaid-svg-aZgkRwMLJsu5Li6T .icon-shape .label{text-align:center;}#mermaid-svg-aZgkRwMLJsu5Li6T .node.clickable{cursor:pointer;}#mermaid-svg-aZgkRwMLJsu5Li6T .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-aZgkRwMLJsu5Li6T .arrowheadPath{fill:#333333;}#mermaid-svg-aZgkRwMLJsu5Li6T .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-aZgkRwMLJsu5Li6T .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-aZgkRwMLJsu5Li6T .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-aZgkRwMLJsu5Li6T .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-aZgkRwMLJsu5Li6T .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-aZgkRwMLJsu5Li6T .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-aZgkRwMLJsu5Li6T .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-aZgkRwMLJsu5Li6T .cluster text{fill:#333;}#mermaid-svg-aZgkRwMLJsu5Li6T .cluster span{color:#333;}#mermaid-svg-aZgkRwMLJsu5Li6T div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-aZgkRwMLJsu5Li6T .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-aZgkRwMLJsu5Li6T rect.text{fill:none;stroke-width:0;}#mermaid-svg-aZgkRwMLJsu5Li6T .icon-shape,#mermaid-svg-aZgkRwMLJsu5Li6T .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-aZgkRwMLJsu5Li6T .icon-shape p,#mermaid-svg-aZgkRwMLJsu5Li6T .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-aZgkRwMLJsu5Li6T .icon-shape .label rect,#mermaid-svg-aZgkRwMLJsu5Li6T .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-aZgkRwMLJsu5Li6T .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-aZgkRwMLJsu5Li6T .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-aZgkRwMLJsu5Li6T :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 集群 Cluster (cluster: my-es)
节点 Node-2
节点 Node-1
互为备份
互为备份
主分片 1
主分片 0
副本分片 0
副本分片 1

注意上面的图：主分片 0 和它的副本 0 永远不在同一台机器上，这是 ES 高可用的基本保障。

4.1 路由：一条数据该去哪个分片？

ES 通过一个简单的哈希算法决定文档落在哪个主分片：

shard = hash(routing) % number_of_primary_shards

默认 routing 就是文档的 _id。这个公式决定了主分片数一旦确定就不可更改------因为改动了分片数，所有数据的落位就全变了，这涉及重新分片。

实战提醒 ：主分片数建索引前一定要想清楚。生产经验是单个分片控制在 30GB ~ 50GB，再根据预估总数据量反推分片数。比如预估 500GB 数据，那么 10~16 个主分片比较合理。分片过多会导致查询扇出太多，过少会导致单分片过大、merge 变慢。

---

五、实战一：环境搭建与首次写入

5.1 推荐快速起步方式

生产环境用 Docker 最省心（也最贴合 K8s 部署形态）：

# 单节点 Docker 方式
docker network create es-net

# 拉镜像（8.x 默认带安全认证）
docker pull docker.elastic.co/elasticsearch/elasticsearch:8.10.2
docker pull docker.elastic.co/kibana/kibana:8.10.2

# 启动 ES
docker run -d \
  --name es \
  --net es-net \
  -p 9200:9200 -p 9300:9300 \
  -e "discovery.type=single-node" \
  -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
  docker.elastic.co/elasticsearch/elasticsearch:8.10.2

# 启动 Kibana（浏览器访问 http://localhost:5601）
docker run -d \
  --name kibana \
  --net es-net \
  -p 5601:5601 \
  -e "ELASTICSEARCH_HOSTS=http://es:9200" \
  docker.elastic.co/kibana/kibana:8.10.2

验证集群健康：

curl -X GET "localhost:9200/_cluster/health?pretty"

返回 "status" : "green" 表示健康。三色含义：green （主副都正常）、yellow （主分片正常，副本没就位，单节点常见）、red（有主分片未分配，数据有风险）。

5.2 安装 IK 分词器（中文搜索必备）

# 进入容器
docker exec -it es bash

# 在容器内执行（注意版本号要和 ES 一致）
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v8.10.2/elasticsearch-analysis-ik-8.10.2.zip

# 重启 ES 容器
exit
docker restart es

验证 IK 是否生效：

curl -X POST "localhost:9200/_analyze" -H "Content-Type: application/json" -d '{
  "analyzer": "ik_max_word",
  "text": "我爱北京天安门"
}'

你会看到输出被切分成 我爱、北京、天安门 等多个词条。

5.3 首次写入一条文档

# 往 blog 索引写入一条文档（索引不存在会自动创建）
curl -X PUT "localhost:9200/blog/_doc/1" -H "Content-Type: application/json" -d '{
  "title": "Elasticsearch 实战入门",
  "content": "从倒排索引到分布式搜索，一文带你实战落地",
  "author": "技术大佬",
  "tags": ["es", "搜索"],
  "publish_date": "2026-08-05",
  "views": 1280
}'

响应里的 "_shards": {"total": 2, "successful": 1} 说明主分片写入成功（单节点无副本）。再查询验证：

curl -X GET "localhost:9200/blog/_doc/1"

---

六、实战二：Mapping 设计（决定成败）

建索引前先设计 Mapping，是 ES 实战最重要的一步。 很多人图省事让 ES 自动映射，结果 keyword/text 分不清、聚合失败、日期格式错乱，后面全要重建索引。

6.1 字段类型选择口诀

业务场景	字段类型	原因
全文搜索（标题、正文）	text + 指定 analyzer	要分词、要相关度
精确匹配 / 排序 / 聚合（状态、作者、标签）	keyword	不分词，可排序可聚合
数值（价格、数量）	integer / long / double	范围查询、聚合
时间	date	时间范围查询、按时间聚合
布尔	boolean	过滤条件
地理坐标	geo_point	附近的人 / 门店

经典坑 ：给标签字段配了 text，然后 terms 聚合想统计每个标签的文章数，结果发现标签被拆成一个个词------因为 text 会被分词。凡是需要聚合/排序/精确匹配的字段，一定要用 keyword。

6.2 一个完整的 Mapping 示例

{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart",
        "fields": {
          "keyword": { "type": "keyword", "ignore_above": 256 }
        }
      },
      "content": {
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "author": { "type": "keyword" },
      "tags":   { "type": "keyword" },
      "status": { "type": "keyword" },
      "publish_date": { "type": "date", "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis" },
      "views":  { "type": "integer" },
      "price":  { "type": "double" },
      "is_top": { "type": "boolean" },
      "location": { "type": "geo_point" }
    }
  },
  "settings": {
    "number_of_shards": 3,
    "number_of_replicas": 1
  }
}

这里有个很实用的技巧：title.keyword ------ 给 title 同时建一个 keyword 子字段。这样 title 用来做全文搜索，title.keyword 用来做精确匹配、排序、聚合，一个字段两种用法，官方推荐的做法。

6.3 Mapping 建错了怎么办？

ES 的 mapping 一旦字段建立就不能修改类型，只能新增字段。改类型只有一条路：
#mermaid-svg-EY0gyMoNofl283fd{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-EY0gyMoNofl283fd .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-EY0gyMoNofl283fd .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-EY0gyMoNofl283fd .error-icon{fill:#552222;}#mermaid-svg-EY0gyMoNofl283fd .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-EY0gyMoNofl283fd .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-EY0gyMoNofl283fd .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-EY0gyMoNofl283fd .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-EY0gyMoNofl283fd .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-EY0gyMoNofl283fd .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-EY0gyMoNofl283fd .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-EY0gyMoNofl283fd .marker{fill:#333333;stroke:#333333;}#mermaid-svg-EY0gyMoNofl283fd .marker.cross{stroke:#333333;}#mermaid-svg-EY0gyMoNofl283fd svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-EY0gyMoNofl283fd p{margin:0;}#mermaid-svg-EY0gyMoNofl283fd .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-EY0gyMoNofl283fd .cluster-label text{fill:#333;}#mermaid-svg-EY0gyMoNofl283fd .cluster-label span{color:#333;}#mermaid-svg-EY0gyMoNofl283fd .cluster-label span p{background-color:transparent;}#mermaid-svg-EY0gyMoNofl283fd .label text,#mermaid-svg-EY0gyMoNofl283fd span{fill:#333;color:#333;}#mermaid-svg-EY0gyMoNofl283fd .node rect,#mermaid-svg-EY0gyMoNofl283fd .node circle,#mermaid-svg-EY0gyMoNofl283fd .node ellipse,#mermaid-svg-EY0gyMoNofl283fd .node polygon,#mermaid-svg-EY0gyMoNofl283fd .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-EY0gyMoNofl283fd .rough-node .label text,#mermaid-svg-EY0gyMoNofl283fd .node .label text,#mermaid-svg-EY0gyMoNofl283fd .image-shape .label,#mermaid-svg-EY0gyMoNofl283fd .icon-shape .label{text-anchor:middle;}#mermaid-svg-EY0gyMoNofl283fd .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-EY0gyMoNofl283fd .rough-node .label,#mermaid-svg-EY0gyMoNofl283fd .node .label,#mermaid-svg-EY0gyMoNofl283fd .image-shape .label,#mermaid-svg-EY0gyMoNofl283fd .icon-shape .label{text-align:center;}#mermaid-svg-EY0gyMoNofl283fd .node.clickable{cursor:pointer;}#mermaid-svg-EY0gyMoNofl283fd .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-EY0gyMoNofl283fd .arrowheadPath{fill:#333333;}#mermaid-svg-EY0gyMoNofl283fd .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-EY0gyMoNofl283fd .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-EY0gyMoNofl283fd .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-EY0gyMoNofl283fd .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-EY0gyMoNofl283fd .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-EY0gyMoNofl283fd .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-EY0gyMoNofl283fd .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-EY0gyMoNofl283fd .cluster text{fill:#333;}#mermaid-svg-EY0gyMoNofl283fd .cluster span{color:#333;}#mermaid-svg-EY0gyMoNofl283fd div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-EY0gyMoNofl283fd .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-EY0gyMoNofl283fd rect.text{fill:none;stroke-width:0;}#mermaid-svg-EY0gyMoNofl283fd .icon-shape,#mermaid-svg-EY0gyMoNofl283fd .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-EY0gyMoNofl283fd .icon-shape p,#mermaid-svg-EY0gyMoNofl283fd .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-EY0gyMoNofl283fd .icon-shape .label rect,#mermaid-svg-EY0gyMoNofl283fd .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-EY0gyMoNofl283fd .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-EY0gyMoNofl283fd .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-EY0gyMoNofl283fd :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 旧索引 my_index
新索引 my_index_v2

(正确 Mapping)
数据拷贝

_reindex
索引别名指向新索引
删除旧索引

即：建新索引 → _reindex 拷贝数据 → 用索引别名无缝切换 → 删旧索引。这也是生产环境常用的"无感知索引重建"套路，强烈建议上线前先设计好 Mapping。

---

七、实战三：查询 DSL 全家桶

ES 的查询语法叫 Query DSL，本质是 JSON。下面从最常用的到进阶的，逐个实战。

7.1 全文搜索：match

match 是全文搜索的核心，会把查询词分词后再匹配：

{ "query": { "match": { "title": "Elasticsearch 入门" } } }

匹配时，"Elasticsearch" 和 "入门" 都会被分词，只要命中其中一个就有结果，默认按相关度打分排序。

7.2 精确匹配：term / terms

term 不分词，把整个值当做一个词去精确匹配（对 keyword 字段）：

// 单个精确值
{ "query": { "term": { "author": "技术大佬" } } }

// 多个精确值（IN 的效果）
{ "query": { "terms": { "status": ["published", "draft"] } } }

注意：term 查询 text 字段经常搜不到，因为 text 被分成了多个词条。term 只用于 keyword 字段。

7.3 范围查询：range

{
  "query": {
    "range": {
      "views": { "gte": 1000, "lte": 10000 }
    }
  }
}

gt 大于、gte 大于等于、lt 小于、lte 小于等于，数值和日期通用。

7.4 组合查询：bool（最常用）

真实业务几乎都是多条件组合，全靠 bool 搞定：

{
  "query": {
    "bool": {
      "must":     [ { "match": { "title": "Elasticsearch" } } ],
      "filter":   [ { "term": { "status": "published" } } ],
      "should":   [ { "match": { "content": "分布式" } } ],
      "must_not": [ { "term": { "author": "匿名" } } ]
    }
  }
}

四个子句的区别必须记住：

子句	语义	影响打分？
must	必须匹配，相当于 AND	✅ 参与打分
filter	必须匹配，相当于 AND	❌ 不参与打分，能走缓存，性能好
should	至少匹配一个才加分，相当于 OR	✅ 加分
must_not	必须不匹配，相当于 NOT	❌ 不参与打分

性能要点 ：凡是"过滤条件"（如 status、时间范围、author）都放 filter，不要放 must。filter 不计算相关度分数，还能被 ES 缓存，性能碾压。

7.5 模糊与纠错：fuzzy / wildcard

// 拼写纠错：搜索 "elasticsearc" 也能命中 "elasticsearch"
{ "query": { "fuzzy": { "title": "elasticsearc" } } }

// 通配符（慎用，性能差）
{ "query": { "wildcard": { "author": "技术*" } } }

7.6 高亮：highlight

搜索结果关键字高亮，做站内搜索必用：

{
  "query": { "match": { "content": "分布式" } },
  "highlight": {
    "fields": { "content": {} },
    "pre_tags": ["<b style='color:red'>"],
    "post_tags": ["</b>"]
  }
}

返回结果里会多一个 highlight 字段，把命中的关键字包上 <b style='color:red'>。

7.7 分页与排序

{
  "query": { "match_all": {} },
  "from": 0,
  "size": 10,
  "sort": [
    { "views": "desc" },
    { "publish_date": "asc" }
  ]
}

深分页警告 ：from + size 超过 10000 会报错（默认 index.max_result_window 限制）。大量分页场景要用 search_after（下一节讲）。

7.8 深分页的正确姿势：search_after

// 第一次查询，记录返回的 sort 值
{
  "query": { "match_all": {} },
  "size": 10,
  "sort": [ { "views": "desc" }, { "_id": "asc" } ]
}

// 第二次查询，把上一页最后一条的 sort 值带进来
{
  "query": { "match_all": {} },
  "size": 10,
  "search_after": [ 1280, "1" ],
  "sort": [ { "views": "desc" }, { "_id": "asc" } ]
}

search_after 本质上就是"从这个游标位置继续往后取"，每一页之间没有偏移计算，性能稳定，是"下一页"场景的标准方案（不适合跳页）。

7.9 排序 + 相关度兼得

想"热门的排前面，但相关度也重要"，可以给分数加权：

{
  "query": {
    "bool": {
      "must": [ { "match": { "title": "Elasticsearch" } } ],
      "should": [ { "range": { "views": { "gte": 10000 } } } ]
    }
  },
  "sort": [ "_score", { "views": "desc" } ]
}

或者更精细地，用 function_score 给"浏览量高"的文章加权：

{
  "query": {
    "function_score": {
      "query": { "match": { "title": "Elasticsearch" } },
      "functions": [
        {
          "field_value_factor": {
            "field": "views",
            "factor": 0.001
          }
        }
      ]
    }
  }
}

---

八、实战四：聚合分析（GROUP BY 的替代品）

聚合是 ES 的另一大杀器，统计大盘、报表全靠它。先看个最简单的桶聚合 （相当于 GROUP BY author）：

{
  "size": 0,
  "aggs": {
    "by_author": {
      "terms": { "field": "author", "size": 10 }
    }
  }
}

返回每个作者的文章数：

{
  "aggregations": {
    "by_author": {
      "buckets": [
        { "key": "技术大佬", "doc_count": 42 },
        { "key": "隔壁老王", "doc_count": 18 }
      ]
    }
  }
}

8.1 多层嵌套：先分组再统计

{
  "size": 0,
  "aggs": {
    "by_status": {
      "terms": { "field": "status" },
      "aggs": {
        "avg_views": { "avg": { "field": "views" } },
        "total_views": { "sum": { "field": "views" } },
        "max_views": { "max": { "field": "views" } }
      }
    }
  }
}

相当于 SQL：SELECT status, AVG(views), SUM(views), MAX(views) FROM blog GROUP BY status。

8.2 时间桶聚合：按天统计

{
  "size": 0,
  "aggs": {
    "daily_views": {
      "date_histogram": {
        "field": "publish_date",
        "calendar_interval": "day"
      }
    }
  }
}

相当于 SQL：SELECT DATE(publish_date), COUNT(*) FROM blog GROUP BY DATE(publish_date)，画趋势图必备。

8.3 聚合 + 过滤 + 分桶组合

{
  "size": 0,
  "query": { "match": { "status": "published" } },
  "aggs": {
    "by_tag": { "terms": { "field": "tags" } }
  }
}

先过滤出 published 的文章，再按标签分桶。Query 负责圈定范围，Aggs 负责统计，这是 ES 分析的基本套路。

---

九、实战五：常见业务场景落地

9.1 场景一：站内搜索（最经典）

需求：标题模糊搜 + 标签过滤 + 发布时间范围 + 浏览量排序 + 关键字高亮 + 分页。

{
  "query": {
    "bool": {
      "must": [
        { "match": { "title": "ES 入门" } }
      ],
      "filter": [
        { "term":  { "tags": "java" } },
        { "range": { "publish_date": { "gte": "2026-01-01" } } }
      ]
    }
  },
  "highlight": {
    "fields": { "title": {} },
    "pre_tags": ["<b>"], "post_tags": ["</b>"]
  },
  "sort": [ { "views": "desc" } ],
  "from": 0,
  "size": 10
}

9.2 场景二：电商商品搜索

需求：品牌过滤 + 价格区间 + 规格属性筛选 + 销量排序。

{
  "query": {
    "bool": {
      "must": [ { "match": { "name": "手机" } } ],
      "filter": [
        { "term":  { "brand": "苹果" } },
        { "range": { "price": { "gte": 3000, "lte": 8000 } } },
        { "term":  { "attrs.storage": "256G" } }
      ]
    }
  },
  "sort": [ { "sales": "desc" } ]
}

9.3 场景三：附近的人 / 门店

先用 mapping 把坐标存成 geo_point，再查附近：

{
  "query": {
    "bool": {
      "filter": [
        {
          "geo_distance": {
            "distance": "5km",
            "location": { "lat": 31.23, "lon": 121.47 }
          }
        }
      ]
    }
  }
}

9.4 场景四：自动补全（搜索联想）

需求：用户输入"els"，联想出 "Elasticsearch"。用 completion 类型字段：

{
  "mappings": {
    "properties": {
      "suggest": { "type": "completion" }
    }
  }
}

// 查询联想词
{
  "suggest": {
    "search-suggest": {
      "prefix": "els",
      "completion": { "field": "suggest" }
    }
  }
}

9.5 场景五：日志查询与大盘（ELK）

最成熟的组合是 ELK 三件套：
#mermaid-svg-SfqWpN8Vprqcsmjo{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-SfqWpN8Vprqcsmjo .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-SfqWpN8Vprqcsmjo .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-SfqWpN8Vprqcsmjo .error-icon{fill:#552222;}#mermaid-svg-SfqWpN8Vprqcsmjo .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-SfqWpN8Vprqcsmjo .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-SfqWpN8Vprqcsmjo .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-SfqWpN8Vprqcsmjo .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-SfqWpN8Vprqcsmjo .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-SfqWpN8Vprqcsmjo .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-SfqWpN8Vprqcsmjo .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-SfqWpN8Vprqcsmjo .marker{fill:#333333;stroke:#333333;}#mermaid-svg-SfqWpN8Vprqcsmjo .marker.cross{stroke:#333333;}#mermaid-svg-SfqWpN8Vprqcsmjo svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-SfqWpN8Vprqcsmjo p{margin:0;}#mermaid-svg-SfqWpN8Vprqcsmjo .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-SfqWpN8Vprqcsmjo .cluster-label text{fill:#333;}#mermaid-svg-SfqWpN8Vprqcsmjo .cluster-label span{color:#333;}#mermaid-svg-SfqWpN8Vprqcsmjo .cluster-label span p{background-color:transparent;}#mermaid-svg-SfqWpN8Vprqcsmjo .label text,#mermaid-svg-SfqWpN8Vprqcsmjo span{fill:#333;color:#333;}#mermaid-svg-SfqWpN8Vprqcsmjo .node rect,#mermaid-svg-SfqWpN8Vprqcsmjo .node circle,#mermaid-svg-SfqWpN8Vprqcsmjo .node ellipse,#mermaid-svg-SfqWpN8Vprqcsmjo .node polygon,#mermaid-svg-SfqWpN8Vprqcsmjo .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-SfqWpN8Vprqcsmjo .rough-node .label text,#mermaid-svg-SfqWpN8Vprqcsmjo .node .label text,#mermaid-svg-SfqWpN8Vprqcsmjo .image-shape .label,#mermaid-svg-SfqWpN8Vprqcsmjo .icon-shape .label{text-anchor:middle;}#mermaid-svg-SfqWpN8Vprqcsmjo .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-SfqWpN8Vprqcsmjo .rough-node .label,#mermaid-svg-SfqWpN8Vprqcsmjo .node .label,#mermaid-svg-SfqWpN8Vprqcsmjo .image-shape .label,#mermaid-svg-SfqWpN8Vprqcsmjo .icon-shape .label{text-align:center;}#mermaid-svg-SfqWpN8Vprqcsmjo .node.clickable{cursor:pointer;}#mermaid-svg-SfqWpN8Vprqcsmjo .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-SfqWpN8Vprqcsmjo .arrowheadPath{fill:#333333;}#mermaid-svg-SfqWpN8Vprqcsmjo .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-SfqWpN8Vprqcsmjo .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-SfqWpN8Vprqcsmjo .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-SfqWpN8Vprqcsmjo .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-SfqWpN8Vprqcsmjo .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-SfqWpN8Vprqcsmjo .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-SfqWpN8Vprqcsmjo .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-SfqWpN8Vprqcsmjo .cluster text{fill:#333;}#mermaid-svg-SfqWpN8Vprqcsmjo .cluster span{color:#333;}#mermaid-svg-SfqWpN8Vprqcsmjo div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-SfqWpN8Vprqcsmjo .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-SfqWpN8Vprqcsmjo rect.text{fill:none;stroke-width:0;}#mermaid-svg-SfqWpN8Vprqcsmjo .icon-shape,#mermaid-svg-SfqWpN8Vprqcsmjo .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-SfqWpN8Vprqcsmjo .icon-shape p,#mermaid-svg-SfqWpN8Vprqcsmjo .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-SfqWpN8Vprqcsmjo .icon-shape .label rect,#mermaid-svg-SfqWpN8Vprqcsmjo .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-SfqWpN8Vprqcsmjo .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-SfqWpN8Vprqcsmjo .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-SfqWpN8Vprqcsmjo :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 应用日志
Logstash

(采集/清洗/转换)
Elasticsearch

(存储 + 索引)
Kibana

(可视化大盘)

Kibana 上建一个 Discover 视图，配合 date_histogram 聚合，就能画出"每分钟请求量"、"错误率 TOP 接口"这种大盘。日志场景通常按天建索引 log-2026.08.05，配合索引生命周期管理（ILM）自动清理过期数据。

---

十、原理进阶：写入流程 & 查询流程

10.1 一条数据是怎么写进去的？

写入流程非常经典，画个时序图：
副本分片 主分片 协调节点 客户端 副本分片 主分片 协调节点 客户端 #mermaid-svg-hHeOorYNZyMjyvWr{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-hHeOorYNZyMjyvWr .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-hHeOorYNZyMjyvWr .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-hHeOorYNZyMjyvWr .error-icon{fill:#552222;}#mermaid-svg-hHeOorYNZyMjyvWr .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-hHeOorYNZyMjyvWr .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-hHeOorYNZyMjyvWr .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-hHeOorYNZyMjyvWr .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-hHeOorYNZyMjyvWr .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-hHeOorYNZyMjyvWr .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-hHeOorYNZyMjyvWr .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-hHeOorYNZyMjyvWr .marker{fill:#333333;stroke:#333333;}#mermaid-svg-hHeOorYNZyMjyvWr .marker.cross{stroke:#333333;}#mermaid-svg-hHeOorYNZyMjyvWr svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-hHeOorYNZyMjyvWr p{margin:0;}#mermaid-svg-hHeOorYNZyMjyvWr .actor{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-hHeOorYNZyMjyvWr text.actor>tspan{fill:black;stroke:none;}#mermaid-svg-hHeOorYNZyMjyvWr .actor-line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-hHeOorYNZyMjyvWr .innerArc{stroke-width:1.5;stroke-dasharray:none;}#mermaid-svg-hHeOorYNZyMjyvWr .messageLine0{stroke-width:1.5;stroke-dasharray:none;stroke:#333;}#mermaid-svg-hHeOorYNZyMjyvWr .messageLine1{stroke-width:1.5;stroke-dasharray:2,2;stroke:#333;}#mermaid-svg-hHeOorYNZyMjyvWr #arrowhead path{fill:#333;stroke:#333;}#mermaid-svg-hHeOorYNZyMjyvWr .sequenceNumber{fill:white;}#mermaid-svg-hHeOorYNZyMjyvWr #sequencenumber{fill:#333;}#mermaid-svg-hHeOorYNZyMjyvWr #crosshead path{fill:#333;stroke:#333;}#mermaid-svg-hHeOorYNZyMjyvWr .messageText{fill:#333;stroke:none;}#mermaid-svg-hHeOorYNZyMjyvWr .labelBox{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-hHeOorYNZyMjyvWr .labelText,#mermaid-svg-hHeOorYNZyMjyvWr .labelText>tspan{fill:black;stroke:none;}#mermaid-svg-hHeOorYNZyMjyvWr .loopText,#mermaid-svg-hHeOorYNZyMjyvWr .loopText>tspan{fill:black;stroke:none;}#mermaid-svg-hHeOorYNZyMjyvWr .loopLine{stroke-width:2px;stroke-dasharray:2,2;stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-hHeOorYNZyMjyvWr .note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-hHeOorYNZyMjyvWr .noteText,#mermaid-svg-hHeOorYNZyMjyvWr .noteText>tspan{fill:black;stroke:none;}#mermaid-svg-hHeOorYNZyMjyvWr .activation0{fill:#f4f4f4;stroke:#666;}#mermaid-svg-hHeOorYNZyMjyvWr .activation1{fill:#f4f4f4;stroke:#666;}#mermaid-svg-hHeOorYNZyMjyvWr .activation2{fill:#f4f4f4;stroke:#666;}#mermaid-svg-hHeOorYNZyMjyvWr .actorPopupMenu{position:absolute;}#mermaid-svg-hHeOorYNZyMjyvWr .actorPopupMenuPanel{position:absolute;fill:#ECECFF;box-shadow:0px 8px 16px 0px rgba(0,0,0,0.2);filter:drop-shadow(3px 5px 2px rgb(0 0 0 / 0.4));}#mermaid-svg-hHeOorYNZyMjyvWr .actor-man line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-hHeOorYNZyMjyvWr .actor-man circle,#mermaid-svg-hHeOorYNZyMjyvWr line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;stroke-width:2px;}#mermaid-svg-hHeOorYNZyMjyvWr :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} ① 提交文档② 计算 routing，定位主分片③ 转发到主分片④ 写入内存 buffer + translog⑤ 并行同步副本⑥ 写入确认⑦ 返回结果⑧ 201 Created

这里有两个关键词必须懂：

• translog（事务日志）：防丢数据的兜底。内存 buffer 还没落盘前，如果机器挂了，靠 translog 恢复。
• refresh（刷新） ：默认每 1 秒把 buffer 里的数据"可见"。这就是为什么 ES 是近实时（Near Real Time）而不是实时------刚写入的数据，最多 1 秒后才能被搜索到。

顺便说一句：删除/更新文档也不是真正的物理删除，而是写入一条带版本号的"墓碑"记录，标记旧文档不可见。ES 里没有就地修改，一切写入都是"新增"。

10.2 一次搜索是怎么跑起来的？

查询时，任意节点都可以充当协调节点（Coordinating Node）：
分片 1 分片 0 协调节点 客户端 分片 1 分片 0 协调节点 客户端 #mermaid-svg-iS1KAxU7fzgFLnJx{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-iS1KAxU7fzgFLnJx .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-iS1KAxU7fzgFLnJx .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-iS1KAxU7fzgFLnJx .error-icon{fill:#552222;}#mermaid-svg-iS1KAxU7fzgFLnJx .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-iS1KAxU7fzgFLnJx .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-iS1KAxU7fzgFLnJx .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-iS1KAxU7fzgFLnJx .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-iS1KAxU7fzgFLnJx .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-iS1KAxU7fzgFLnJx .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-iS1KAxU7fzgFLnJx .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-iS1KAxU7fzgFLnJx .marker{fill:#333333;stroke:#333333;}#mermaid-svg-iS1KAxU7fzgFLnJx .marker.cross{stroke:#333333;}#mermaid-svg-iS1KAxU7fzgFLnJx svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-iS1KAxU7fzgFLnJx p{margin:0;}#mermaid-svg-iS1KAxU7fzgFLnJx .actor{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-iS1KAxU7fzgFLnJx text.actor>tspan{fill:black;stroke:none;}#mermaid-svg-iS1KAxU7fzgFLnJx .actor-line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-iS1KAxU7fzgFLnJx .innerArc{stroke-width:1.5;stroke-dasharray:none;}#mermaid-svg-iS1KAxU7fzgFLnJx .messageLine0{stroke-width:1.5;stroke-dasharray:none;stroke:#333;}#mermaid-svg-iS1KAxU7fzgFLnJx .messageLine1{stroke-width:1.5;stroke-dasharray:2,2;stroke:#333;}#mermaid-svg-iS1KAxU7fzgFLnJx #arrowhead path{fill:#333;stroke:#333;}#mermaid-svg-iS1KAxU7fzgFLnJx .sequenceNumber{fill:white;}#mermaid-svg-iS1KAxU7fzgFLnJx #sequencenumber{fill:#333;}#mermaid-svg-iS1KAxU7fzgFLnJx #crosshead path{fill:#333;stroke:#333;}#mermaid-svg-iS1KAxU7fzgFLnJx .messageText{fill:#333;stroke:none;}#mermaid-svg-iS1KAxU7fzgFLnJx .labelBox{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-iS1KAxU7fzgFLnJx .labelText,#mermaid-svg-iS1KAxU7fzgFLnJx .labelText>tspan{fill:black;stroke:none;}#mermaid-svg-iS1KAxU7fzgFLnJx .loopText,#mermaid-svg-iS1KAxU7fzgFLnJx .loopText>tspan{fill:black;stroke:none;}#mermaid-svg-iS1KAxU7fzgFLnJx .loopLine{stroke-width:2px;stroke-dasharray:2,2;stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-iS1KAxU7fzgFLnJx .note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-iS1KAxU7fzgFLnJx .noteText,#mermaid-svg-iS1KAxU7fzgFLnJx .noteText>tspan{fill:black;stroke:none;}#mermaid-svg-iS1KAxU7fzgFLnJx .activation0{fill:#f4f4f4;stroke:#666;}#mermaid-svg-iS1KAxU7fzgFLnJx .activation1{fill:#f4f4f4;stroke:#666;}#mermaid-svg-iS1KAxU7fzgFLnJx .activation2{fill:#f4f4f4;stroke:#666;}#mermaid-svg-iS1KAxU7fzgFLnJx .actorPopupMenu{position:absolute;}#mermaid-svg-iS1KAxU7fzgFLnJx .actorPopupMenuPanel{position:absolute;fill:#ECECFF;box-shadow:0px 8px 16px 0px rgba(0,0,0,0.2);filter:drop-shadow(3px 5px 2px rgb(0 0 0 / 0.4));}#mermaid-svg-iS1KAxU7fzgFLnJx .actor-man line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-iS1KAxU7fzgFLnJx .actor-man circle,#mermaid-svg-iS1KAxU7fzgFLnJx line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;stroke-width:2px;}#mermaid-svg-iS1KAxU7fzgFLnJx :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} ① 发起查询② 并行转发到所有分片② 并行转发到所有分片③ 本地查询并返回 Top 10③ 本地查询并返回 Top 10④ 合并结果，全局打分排序⑤ 返回全局 Top 10

关键点：每个分片先各自算出自己的 Top N，再由协调节点合并、重新排序 。所以如果你的查询带了 from: 0, size: 10000 这种大分页，协调节点要分别向所有分片取 10000 条再合并，压力巨大------这就是"深分页慢"的根源。

10.3 相关度是怎么算的？（BM25）

ES 默认用 BM25 算法打分。它综合考虑：

• 关键词在文档中出现频率越高，得分越高（TF）；
• 关键词在全库出现越频繁（如"的""了"），得分越低（IDF）；
• 文档越短，命中越加分。

所以在 ES 里，排序默认是**"谁最相关谁排前面"**，而不是谁后写入谁排前面。

---

十一、性能调优与避坑指南

11.1 Segment 合并（性能之根）

ES 底层的存储单元叫 Segment（段） 。写入时数据先进内存，refresh 后变成一个个不可变的 Segment ，小 Segment 多了会触发 merge（合并）：
#mermaid-svg-poobABKquFFzLEzR{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-poobABKquFFzLEzR .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-poobABKquFFzLEzR .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-poobABKquFFzLEzR .error-icon{fill:#552222;}#mermaid-svg-poobABKquFFzLEzR .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-poobABKquFFzLEzR .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-poobABKquFFzLEzR .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-poobABKquFFzLEzR .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-poobABKquFFzLEzR .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-poobABKquFFzLEzR .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-poobABKquFFzLEzR .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-poobABKquFFzLEzR .marker{fill:#333333;stroke:#333333;}#mermaid-svg-poobABKquFFzLEzR .marker.cross{stroke:#333333;}#mermaid-svg-poobABKquFFzLEzR svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-poobABKquFFzLEzR p{margin:0;}#mermaid-svg-poobABKquFFzLEzR .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-poobABKquFFzLEzR .cluster-label text{fill:#333;}#mermaid-svg-poobABKquFFzLEzR .cluster-label span{color:#333;}#mermaid-svg-poobABKquFFzLEzR .cluster-label span p{background-color:transparent;}#mermaid-svg-poobABKquFFzLEzR .label text,#mermaid-svg-poobABKquFFzLEzR span{fill:#333;color:#333;}#mermaid-svg-poobABKquFFzLEzR .node rect,#mermaid-svg-poobABKquFFzLEzR .node circle,#mermaid-svg-poobABKquFFzLEzR .node ellipse,#mermaid-svg-poobABKquFFzLEzR .node polygon,#mermaid-svg-poobABKquFFzLEzR .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-poobABKquFFzLEzR .rough-node .label text,#mermaid-svg-poobABKquFFzLEzR .node .label text,#mermaid-svg-poobABKquFFzLEzR .image-shape .label,#mermaid-svg-poobABKquFFzLEzR .icon-shape .label{text-anchor:middle;}#mermaid-svg-poobABKquFFzLEzR .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-poobABKquFFzLEzR .rough-node .label,#mermaid-svg-poobABKquFFzLEzR .node .label,#mermaid-svg-poobABKquFFzLEzR .image-shape .label,#mermaid-svg-poobABKquFFzLEzR .icon-shape .label{text-align:center;}#mermaid-svg-poobABKquFFzLEzR .node.clickable{cursor:pointer;}#mermaid-svg-poobABKquFFzLEzR .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-poobABKquFFzLEzR .arrowheadPath{fill:#333333;}#mermaid-svg-poobABKquFFzLEzR .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-poobABKquFFzLEzR .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-poobABKquFFzLEzR .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-poobABKquFFzLEzR .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-poobABKquFFzLEzR .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-poobABKquFFzLEzR .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-poobABKquFFzLEzR .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-poobABKquFFzLEzR .cluster text{fill:#333;}#mermaid-svg-poobABKquFFzLEzR .cluster span{color:#333;}#mermaid-svg-poobABKquFFzLEzR div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-poobABKquFFzLEzR .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-poobABKquFFzLEzR rect.text{fill:none;stroke-width:0;}#mermaid-svg-poobABKquFFzLEzR .icon-shape,#mermaid-svg-poobABKquFFzLEzR .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-poobABKquFFzLEzR .icon-shape p,#mermaid-svg-poobABKquFFzLEzR .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-poobABKquFFzLEzR .icon-shape .label rect,#mermaid-svg-poobABKquFFzLEzR .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-poobABKquFFzLEzR .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-poobABKquFFzLEzR .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-poobABKquFFzLEzR :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} Segment 1
后台 Merge
Segment 2
Segment 3
新的大 Segment

Segment 合并是后台异步进行的，但如果 merge 速度赶不上写入速度，就会出现"慢查询 + IO 打满"。

11.2 常见性能坑自查表

坑	后果	解法
from+size 深分页	协调节点内存爆炸	用 search_after
过滤条件放 must 不放 filter	白算分 + 不能缓存	过滤条件一律 filter
大量小分片	查询扇出太多、merge 频繁	单分片 30-50GB，控制分片数
集群无副本	单点故障直接丢数据	至少 1 个副本
一次性灌入海量历史数据	refresh/merge 拖垮集群	批量写入时调大 refresh_interval 或关掉
wildcard 开头通配符	性能极差	用 ngram/前缀匹配替代
text 字段做聚合	结果错乱（被分词）	用 keyword 字段或 keyword 子字段
索引无别名直接裸用	重建索引时服务要停	全程用别名，底层索引可随意替换

11.3 写入性能调优三板斧

大批量导入场景（比如初始化数据、日志灌库）：

// ① 暂时调大 refresh 间隔，减少刷盘频率
PUT /blog/_settings
{ "index": { "refresh_interval": "30s" } }

// ② 用 bulk 批量接口，一次提交多条
POST /_bulk
{"index": {"_index": "blog"}}
{"title": "文档1", "content": "..."}
{"index": {"_index": "blog"}}
{"title": "文档2", "content": "..."}

常见客户端（Java/Go/Python）都有 bulk API，单次 bulk 500~5000 条是经验值，具体用压测找最优。

// ③ 导完恢复默认
PUT /blog/_settings
{ "index": { "refresh_interval": "1s" } }

11.4 内存与部署建议

• JVM 堆内存 ：不要超过物理内存的一半，且最大不超过 31GB（超过后压缩指针失效）。留一半给操作系统做文件缓存。
• 不要部署在 NFS 等共享存储上：ES 依赖本地磁盘 IO，建议本地 SSD。
• 设置 swap 关闭 ：bootstrap.memory_lock: true，避免内存被换出导致 GC 抖动。
• 读写分离 ：大集群里分数据节点 和协调节点，查询压力走协调节点，避免互相影响。

---

十二、实战六：一个完整的前后端搜索示例

前面讲了一堆片段，最后拼一个完整的 Java Spring Boot + ES 搜索示例，感受一下真实项目里怎么写。

12.1 引入依赖

<!-- 选择与 ES 版本一致的客户端 -->
<dependency>
    <groupId>co.elastic.clients</groupId>
    <artifactId>elasticsearch-java</artifactId>
    <version>8.10.2</version>
</dependency>

12.2 初始化客户端

@Configuration
public class EsConfig {

    @Bean
    public ElasticsearchClient elasticsearchClient() {
        RestClient restClient = RestClient.builder(
            new HttpHost("localhost", 9200, "http")
        ).build();
        return new ElasticsearchClient(
            new RestClientTransport(restClient, new JacksonJsonpMapper())
        );
    }
}

12.3 Service 里的搜索方法

@Service
public class ArticleSearchService {

    @Autowired
    private ElasticsearchClient client;

    public List<Article> search(String keyword, String status, int page, int size) {
        try {
            SearchResponse<Article> response = client.search(s -> s
                .index("blog")
                .query(q -> q
                    .bool(b -> b
                        // 标题全文搜索
                        .must(m -> m.match(mm -> mm
                            .field("title").query(keyword)))
                        // 状态过滤（不进打分）
                        .filter(f -> f.term(t -> t
                            .field("status").value(status)))
                    ))
                // 浏览量降序
                .sort(so -> so.field(f -> f.field("views").order(SortOrder.Desc)))
                .from((page - 1) * size)
                .size(size),
                Article.class);

            return response.hits().hits().stream()
                .map(hit -> hit.source())
                .collect(Collectors.toList());

        } catch (IOException e) {
            throw new RuntimeException("搜索失败", e);
        }
    }
}

12.4 前端调用（简化版）

async function search() {
  const resp = await fetch('/api/article/search?keyword=' + keyword + '&page=1&size=10');
  const data = await resp.json();
  renderList(data);   // 渲染文章列表
}

到这里，一个"输入关键词 → 后台查 ES → 前端渲染结果"的最小闭环就通了。剩下的就是加上高亮、分页组件、搜索建议这些锦上添花的东西。

---

十三、写在最后

学习 ES，我建议按这个顺序来：

1. 先跑起来：装个 ES + Kibana，把官方文档的"入门教程"走一遍；
2. 再懂原理：搞清楚倒排索引、分片副本、写读流程这三个核心；
3. 然后做项目：用真实数据去设计 mapping、写查询、做聚合，遇到性能问题再回头看原理；
4. 最后上规模：学集群运维、监控、调优。

最后送你一句话：搜索不是"把数据翻一遍"，而是"提前把数据准备好，查询时直达"。理解了这句话，你就理解了 ES 的一切。

如果这篇对你有帮助，欢迎点赞收藏转发，我们下期见 🚀

---