es 多索引联合查询_ES 的跨索引查询详细讲解

序言

Elasticsearch，中文名直译弹性搜索，不仅仅在单索引内部分片层面弹性搜索，更强的是在跨索引外围支持分片弹性搜索，同比其它分布式数据产品，此特性更鲜明，代表了 Elastic 集群架构设计的优越性。

本文将从以下几个方面展开探讨：为什么需要跨索引查询？

跨索查询有哪些经典应用场景？

跨索引查询技术原理是怎样的？

跨索引查询有哪些注意事项？

图示：跨索引示意图 + 多个索引查询效果图

为什么需要跨索引查询

技术限制

Elasticsearch 索引本身有一些指标限制，对于很多新手来说最容易忽视或者乱用。Elastic 索引数据量有大小限制；

单个分片数据容量官方建议不超过 50GB，合理范围是 20GB～40GB 之间；

单个分片数据条数不超过约 21 亿条(2 的 32 次方)，此值一般很难达到，基本可以忽略，背后原理可以参考源码或者其它；

索引分片过多，分布式资源消耗越大，查询响应越慢。

基于以上限制，索引在创建之前就需要依据业务场景估算，设置合理的分片数，不能过多也不能过少。

技术便利

在基于关系型数据库的应用场景中，数据量过大，一般会采用分库分表策略，查询数据时基于第三方中间件，限制多多；在基于 NoSQL 的应用场景中，如 MongoDB，数据量过大，会采用数据产品本身提供的分片特性，查询数据时基于自身的路由机制。

无论是分库分表还是分片，它们只解决了一维数据的存储与查询，二维的不能，如电商订单系统场景，数据库采用多库多表拆分，一旦容量超过预期设计，需要二次拆分继续分库分表；MongoDB 采用多分片拆分，一旦容量超过预计设计，需要继续扩展分片节点。

以上对于 Elasticsearch 可以不用这样，它提供了两个维度的拆分方式，第一维度采用多个索引命名拆分，第二维度采用索引多分片，对于查询来说，可以灵活匹配索引，一次指定一个