3. 索引字段类型基础：Elasticsearch/Lucene 中字段类型概览

在服务边界驱动的索引设计中，字段类型的选择直接决定了数据的存储效率、查询性能与聚合能力。Elasticsearch 基于 Lucene 构建，其字段类型体系既继承了 Lucene 的底层索引模型，又扩展了面向搜索场景的高级类型。本章系统梳理核心字段类型，为后续的演进策略打下基础。

3.1 字段类型分类体系

Elasticsearch 的字段类型可划分为五大族群：核心类型、复杂类型、地理类型、专用类型与多字段。下表列出最常用的类型及其适用场景：

3.2 核心类型深度解析

3.2.1 keyword：精确匹配的基石

keyword 类型将原始值原封不动地索引为倒排项，不经过分词器。其 Lucene 底层同时维护倒排索引（用于 Term 查询）和 SortedSetDocValues（用于聚合与排序）。

• 适用数据： 枚举值（状态码、性别）、标识符（订单号、SKU）、标签（tags）
• 查询操作： term、terms、prefix、wildcard、range（按字典序）
• 聚合操作： terms、cardinality、composite
• 长度限制： 默认最大 32766 字节，超过会报错；可通过 ignore_above 截断

3.2.2 text：全文搜索的核心

text 类型经过分词器处理，将文本拆分为多个词项（tokens），并记录每个词项在原文中的位置（position）和偏移量（offset）。Lucene 为 text 字段构建完整的倒排索引，支持短语查询与高亮。

• 适用数据： 文章正文、商品描述、日志消息
• 查询操作： match、match_phrase、query_string、multi_match
• 重要限制： 默认不支持聚合与排序（无 DocValues）；如需聚合，需启用 fielddata（不推荐）或使用 keyword 子字段
• 分词器影响： 同一文本使用不同分词器（standard、ik、pinyin）会产生不同的倒排项，直接影响召回率

3.2.3 integer / long：数值范围与聚合

数值类型在 Lucene 中使用 BKD 树（Block K-D Tree）进行索引，支持高效的范围查询与多维过滤。同时，DocValues 为数值字段提供列式存储，用于排序与聚合。

• 适用数据： 价格、年龄、数量、经纬度（geo_point 内部也是 BKD）
• 查询操作： range、term、terms
• 聚合操作： avg、sum、min、max、histogram、percentiles
• 精度选择： integer（32 位）、long（64 位）、short（16 位）、byte（8 位）—— 选择更小的类型可减少存储与内存

3.2.4 date：时间序列的支柱

date 类型在 Lucene 内部以 long 值（毫秒时间戳）存储，使用 BKD 树索引。Elasticsearch 支持多种日期格式（如 yyyy-MM-dd、epoch_millis），并在写入时自动转换为内部 long 值。

• 适用数据： 创建时间、更新时间、事件时间戳
• 查询操作： range（日期数学表达式如 now-1d）、term
• 聚合操作： date_histogram、date_range、time_series
• 时区处理： 聚合时可通过 time_zone 参数转换，但底层存储始终为 UTC

3.3 复杂类型：nested 与 object

JSON 的嵌套结构在 Elasticsearch 中需要特殊处理。object 类型将嵌套字段扁平化，而 nested 类型为每个数组元素创建独立的 Lucene 子文档。

下表对比两种类型的索引行为：

3.4 字段类型选择与 Lucene 索引结构对应关系

下图展示了不同字段类型在 Lucene 层面的索引结构差异，帮助理解为何类型选择直接影响查询性能：

3.5 多字段（multi-fields）与字段类型组合

实际业务中，同一个字段往往需要同时支持多种查询模式。Elasticsearch 的 multi-fields 机制允许为一个字段定义多个子类型：

PUT /product/_mapping
{
  "properties": {
    "title": {
      "type": "text",
      "fields": {
        "keyword": {
          "type": "keyword",
          "ignore_above": 256
        },
        "english": {
          "type": "text",
          "analyzer": "english"
        }
      }
    }
  }
}

上述映射中，title 字段同时拥有三种索引方式：

• title（text）：标准分词，用于全文搜索
• title.keyword（keyword）：精确匹配与聚合
• title.english（text）：英文词干分析，用于特定语言搜索

3.6 字段类型选择决策树

以下决策流程可帮助在服务边界设计中快速确定字段类型：

1. 是否需要全文搜索？ → 是：text；否：进入下一步
2. 是否需要精确匹配/聚合/排序？ → 是：keyword；否：进入下一步
3. 是否为数值范围查询？ → 是：integer/long/float/double；否：进入下一步
4. 是否为日期时间？ → 是：date；否：进入下一步
5. 是否为嵌套数组且需独立查询？ → 是：nested；否：object 或 flattened

3.7 字段类型演进的核心原则

在服务边界驱动的索引设计中，字段类型一旦创建并写入数据，修改将极为困难（Elasticsearch 不支持直接修改已有字段的类型）。因此，初始类型选择必须考虑未来演进：

• 预留扩展空间： 对于可能从精确匹配演变为全文搜索的字段，初始就使用 multi-field 同时保留 keyword 和 text 子字段
• 避免过度索引： 不为不存在的查询场景创建索引结构，减少存储与写入放大
• 使用 runtime 字段作为过渡： 在类型变更前，通过 runtime 字段临时提供新类型的查询能力，无需重建索引
• 版本化映射管理： 将字段类型定义纳入版本控制，与业务服务版本对齐