在elasticsearch中更新文檔的效率

Question

我一直在成功使用elasticsearch一年左右，因此我一直在裝載數百萬個文檔，並針對這些數據運行各種查詢和構面。

我最近一些用戶問我是否可以'將文檔標記爲已讀'，因此可以將它們排除在搜索結果之外。

我已經成功實現了這個沒有問題，但現在我想知道如果我選擇了最好的實現。我的理解是，更新ES中的文檔（或任何lucene實現）實際上與刪除和重新編制索引相同。

我對lucene/ES社區的問題......他們會因爲將用戶驅動的臨時任務更新文檔而產生任何負面影響嗎？ （你能提出替代？）

感謝， JayTee

Answer 1

是的，會有重新索引性能開銷。在http://www.elasticsearch.org/blog/managing-relations-inside-elasticsearch/（這裏它談論的是一個嵌套的文檔，但是更新一個正常的文檔（沒有嵌套字段的文檔）是相同的「不可忽略的」）。

「如果數據經常變化，嵌套文檔可以有重新索引相關的不可忽略的開銷「

另一種是，在本文後面給出的 - 即父/子

」。父/子被分離的兩個文件，只有鬆散的耦合它們消除了這一限制...意味着您可以更自由地更新/刪除兒童文檔，因爲它們對父母或其他孩子沒有任何影響。

缺點是......（查詢）..不是很快，因爲它們不在同一個Lucene塊中。「

因此，如果每個文檔都會最終更新爲」讀取「 - 這將涉及重新索引整個數據存儲的開銷。如果這種情況會隨着時間的推移慢慢發生，也許你的架構可以處理它。

如果您擔心大量文檔可能被標記爲已讀，並且會在您的系統上創建大量負載，則可以爲讀取字段使用父子關係。但會有（因爲我明白一個小問題）運行查詢的額外開銷「只給兒童字段'讀'是假的文檔」