2.elasticsearch 内存fieldData优化

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
            }
          }
        }
      }
    }