Question

有没有办法找到索引中各个字段的大小？

我有10个字段，_source被禁用。我没有这些字段的映射。

启用_all后，磁盘上的索引大小为95 mb

如果没有_all（禁用），磁盘上的索引大小为70 mb

我的理解是_all存储所有字段的副本。那么_all的索引大小不会是两倍吗？为什么差异只有15 MB而不是47mb？

由于

Answer 1

_all不是所有字段的副本;它只是存储所有其他字段值的另一个字段。

假设我们在索引中只有三个文档（d1，d2和d3），只有两个字段f1和f2。见下文：

d1
{
    "f1": "v1",
    "f2": "v2"
},    
d2
{
    "f1": "v2",
    "f2": "v2"
},
d3
{
    "f1": "v1",
    "f2": "v1"
}

现在Lucene将这些数据存储在倒排索引中，如下所示。

字段f1的反转索引：

"v1" -> "d1", "d3"
"v2" -> "d2"

字段f2的反转索引：

"v1" -> "d3",
"v2" -> "d1", "d2"

启用_all后，_all字段会有一个额外的倒排索引。

字段_all的反转索引：

"v1" -> "d1", "d3"
"v2" -> "d1", "d2"

您可以清楚地看到，没有_all的发布列表大小是6个文档，而使用_all发布列表大小是10个文档而不是12个文档。

这只是一个简单的例子，可以证明启用_all并不意味着索引大小只会翻倍。

Answer 2

除了bsarkar的优秀答案外，_all是一个仅限索引的字段（默认情况下，无论如何）。也就是说，它没有存储。存储和索引字段（可以是搜索结果并且可以使用搜索结果检索的任何字段）必须具有构建的反向索引，并且还必须以原始形式存储以便稍后检索。存储整个字段内容可能会占用大量存储空间。