Elasticsearch中非日志类数据是否应采用基于时间的索引？

针对你提到的「要不要把订单/预订数据按order-yyyy这种时间维度分片存储」的问题，我结合实际运维经验整理下思路：

• 日志数据的合理性：首先得明确，按时间分片的索引策略在日志场景里是绝对的最优解——因为日志有明确的生命周期，旧日志需要定期清理，按年（或天/月）拆分后，直接删除整个旧索引就能完成清理，操作简单又高效。
• 订单类永久数据的尴尬：但对于需要永久保存的订单数据来说，这种时间分片的收益就非常有限了。我仔细梳理下来，唯一能算得上优势的点，就是每年新索引创建时，相当于自动为新数据分配了集群资源，间接实现了“被动扩容”，理论上可能对写入性能有一点点帮助。
• 手动精细化调整更靠谱：不过凭实际运维的经验，这种被动扩容远不如手动调整分片配置来得灵活高效。订单数据的增长速度往往和业务波动强相关，手动调整分片数、分片大小能精准匹配业务需求，避免资源浪费或者性能瓶颈。

所以我的最终建议是：对于这类需要长期留存、还可能遇到映射变更的业务数据，更适合采用orders-vX的版本化命名模式。比如当你需要修改字段映射、调整索引设置时，直接创建orders-v2索引，完成数据迁移后切换别名即可，整个过程可控性更强，也更利于长期维护。

内容的提问来源于stack exchange，提问作者aiven