【Elasticsearch】映射：fielddata 详解

1.fielddata 是什么

fielddata 是 Elasticsearch 中一种数据结构，用于在内存中缓存字段数据，主要服务于以下场景：

• 聚合操作（Aggregations）
• 排序（Sorting）
• 脚本计算（Scripting）
• 某些类型的查询（如 field 字段上的 term 查询）

当需要对 text 字段或其他非 doc_values 支持的字段执行上述操作时，Elasticsearch 需要将这些字段的值加载到内存中，这就是 fielddata 的作用。

2.fielddata 的工作原理

• 按需加载：当第一次需要对某个字段执行聚合 / 排序等操作时，Elasticsearch 会从磁盘读取该字段的所有值并构建内存中的数据结构。
• 存储在 JVM 堆内存：fielddata 会占用 JVM 堆内存空间。
• 字段级启用：默认情况下，text 字段禁用 fielddata，keyword 字段使用 doc_values 而非 fielddata。

3.主要用法

3.1 启用 fielddata（通常在 text 字段上）

PUT my_index/_mapping
{"properties": {"my_text_field": { "type":     "text","fielddata": true}}
}

3.2 监控 fielddata 使用情况

GET _nodes/stats/indices/fielddata?fields=*

3.3 清除 fielddata 缓存

POST my_index/_cache/clear?fielddata=true

4.使用场景示例

示例 1：对 text 字段进行聚合

GET my_index/_search
{"size": 0,"aggs": {"my_terms": {"terms": {"field": "my_text_field"  // 需要该字段启用 fielddata}}}
}

示例 2：对 text 字段进行排序

GET my_index/_search
{"sort": [{"my_text_field": {"order": "asc"}}]
}

5.fielddata 与 doc_values 的区别

特性	fielddata	doc_values
构建时机	查询时按需构建	索引时预先构建
存储位置	JVM 堆内存	磁盘（操作系统缓存）
内存占用	高	低
适用字段类型	主要为 text 字段	主要为 keyword / numeric / date 等字段
默认启用	text 字段默认禁用	支持的字段默认启用

6.注意事项

• 内存消耗：fielddata 会显著增加内存使用，特别是高基数（大量唯一值）字段。
• 性能影响：首次加载 fielddata 可能导致查询延迟。
• 替代方案：对于 keyword / numeric / date 等字段，优先使用 doc_values。
• 熔断机制：Elasticsearch 有 fielddata 熔断器防止内存耗尽。

7.最佳实践

• 尽量避免在 text 字段上启用 fielddata。

• 如需对文本进行聚合/排序，考虑使用多字段（multi-field）映射：

  "my_field": {"type": "text","fields": {"keyword": {"type": "keyword"}}
  }
  

  然后对 my_field.keyword 进行操作。

• 监控 fielddata 内存使用，设置合理的熔断阈值。