es中常规的根据字段查询时走什么索引（说明：「常规的根据字段查询」不包含分词查询）
在Elasticsearch中，“常规的根据字段查询”且不涉及分词的查询（如精确匹配、范围查询），主要依赖以下索引机制：
一、核心索引类型及适用场景
| 字段类型 | 索引结构 | 典型查询方式 | 应用场景 |
|---|---|---|---|
| keyword | 倒排索引（未分词） | term、terms、exists | 订单ID、状态码、标签等精确匹配 |
| 数值/日期 | BKD树索引（多维空间划分） | range、>、<、聚合 | 价格区间、时间范围筛选 |
| boolean | 倒排索引（二元值） | term | 状态标记（如is_active=true） |
| ip | 特殊编码倒排索引 | term、prefix、cidr | IP地址过滤与网段查询 |
注：所有精确匹配类查询均跳过文本分析（Analysis）环节，直接基于原始值检索。
二、查询执行流程（以keyword为例）
- 值标准化
查询值"ES2025"→ 按字段类型处理（如keyword保持原值）； - 倒排索引检索
定位词项词典（Term Dictionary）中的"ES2025"，获取其倒排列表（Posting List）； - 结果返回
直接返回匹配文档ID集合，无相关性评分（因filter上下文不计算得分）。
三、性能优化关键点
-
索引设计
keyword替代text：对无需分词的字段（如ID、枚举值）显式定义为keyword，避免无效分词开销；- 禁用
norms：对仅用于过滤的keyword字段设置"norms": false，减少磁盘占用；
-
查询策略
- 使用
filter上下文：利用位图（BitSet）缓存结果，重复查询速度提升100倍+；"bool": {"filter": [ // 无评分计算{"term": {"status": "published"}},{"range": {"price": {"gte": 100}}}] } - 分片路由优化：对高频过滤字段（如
user_id）设置routing_path，使查询集中到特定分片；
- 使用
-
存储压缩
doc_values启用：默认开启，支持对keyword/数值字段高效聚合、排序；- 列式存储优化：BKD树索引对数值范围查询采用数据压缩，减少I/O压力。
四、注意事项
text字段的精确匹配陷阱：
即使使用term查询text字段，ES仍会先分词再匹配（如"Quick Fox"被拆分为["quick","fox"]），导致无法精确命中 → 必须改用.keyword子字段。- 高基数
keyword字段：
值基数过高（如user_id）时，需监控堆内存，避免Fielddata膨胀。
五、总结
常规非分词字段查询的核心索引机制：
- 精确匹配 →
keyword类型倒排索引（值完全匹配）； - 范围查询 → 数值/日期类型BKD树索引（高效空间划分）；
优化本质：跳过文本分析、利用列式存储与缓存，实现亚毫秒级响应。