JSON文档在Elasticsearch中存储的字节占用量问询

核心结论 #

无法直接通过原始JSON的字符数精确计算存储空间，因为Elasticsearch的存储开销由多个因素共同决定，但可以结合你的例子给出大致范围。

影响存储空间的关键因素 #

• 原始JSON的精简：Elasticsearch解析JSON时会自动去除所有格式空格、换行等无意义字符，所以你那1000字符的带格式JSON，实际有效数据字符数会减少（比如假设去掉空格后剩800字符）。
• _source字段的压缩存储：默认开启的_source会存储一份压缩后的原始结构化JSON（已去除格式字符），压缩率通常在30%-70%之间，数据重复性越高压缩率越好。
• 字段类型与索引开销：不同字段类型的存储/索引开销差异很大：
  • 数值类型（int、long、float等）会用紧凑的二进制编码（比如int占4字节，long占8字节）；
  • keyword字段存储精确字符串，开销接近字符串本身的字节数（UTF-8编码下，每个中文字符占3字节，英文/数字占1字节）；
  • text字段需要构建倒排索引，开销取决于分词后的词数量，可能比_source的存储开销还大。
• 文档元数据：每个文档都包含_id、_version、_type等内置元数据，大概会占用几十字节的额外空间（比如自动生成的UUID类型_id约占36字节，加上其他元数据总计50-100字节）。

针对你的例子的大致估算 #

假设你的1000字符JSON去掉格式空格后剩余800有效字符，且以英文为主（UTF-8下1字节/字符）：

1. _source压缩后：按40%压缩率计算，约320字节；
2. 元数据：约60字节；
3. 字段索引开销：如果都是keyword或数值字段，索引开销大概和_source相当或略少；如果是text字段，索引开销可能是_source的1-3倍。

综合下来，总存储空间大概在400-1500字节之间，具体数值取决于字段类型和数据特征。

内容的提问来源于stack exchange，提问作者Jim