在es中,text类型的字段使用一种叫做fielddata的查询时内存数据结构。当字段被排序,聚合或者通过脚本访问时这种数据结构会被创建。它是通过从磁盘读取每个段的整个反向索引来构建的,然后存存储在java的堆内存中,无法自行释放,导致es服务内存使用过高。
fileddata默认是不开启的。Fielddata可能会消耗大量的堆空间,尤其是在加载高基数文本字段时。一旦fielddata已加载到堆中,它将在该段的生命周期内保留。此外,加载fielddata是一个昂贵的过程,可能会导致用户遇到延迟命中。这就是默认情况下禁用fielddata的原因。
注意:禁止使用text类型字段就行排序、聚合或者进行脚本访问。
实际使用的问题以及解决:
1.实际使用中遇到,某个字段需要进行分词搜索或模糊搜索,但是又需要进行排序。
es对一个字段进行两种字段类型的指定,在mapping中声明:
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"city": {
"type": "text",
"fields": {
"raw": {
"type": "keyword"
}
}
}
}
}
}
}
city.raw字段是city字段的keyword版本。
note:city字段用于全文本搜索。
note:city.raw用于排序与聚合。
2.禁止使用es中文档_id进行排序,_id 排序会增加fieldData内存的占用
3.如何排查哪些索引使用了fieldData,进行精准定位。
get _stats/fielddata?fields=*
memory_size_in_bytes:占用内存大小
"onsult_recsku_ord_det_di": {
"primaries": {
"fielddata": {
"memory_size_in_bytes": 67116348,
"evictions": 340,
"fields": {
"cust_ser_acct_no": {
"memory_size_in_bytes": 0
},
"_id": {
"memory_size_in_bytes": 67116348
}
}
}
},
"total": {
"fielddata": {
"memory_size_in_bytes": 110202572,
"evictions": 800,
"fields": {
"cust_ser_acct_no": {
"memory_size_in_bytes": 0
},
"_id": {
"memory_size_in_bytes": 110202572
}
}
}
}
}