如何计算Elasticsearch索引的原始数据大小及反向推导？

直接查看原始数据大小 #

不需要反向推导，通过_stats接口就能直接拿到原始文档的大小，可通过以下方式获取：

• 执行命令：GET /${INDEX_NAME}/_stats/store
  返回结果里的total.store.source.size_in_bytes就是原始数据的字节数，对应的size是格式化后的可读大小（比如1mb）。
• 若想过滤冗余信息，可执行：GET /${INDEX_NAME}/_stats?filter_path=indices.*.total.store.source
  只会返回原始数据大小相关内容，结果更简洁。

关于“从总大小反向推导原始数据大小”的说明 #

索引总大小（total.store.size_in_bytes）包含原始文档、索引结构、元数据、副本数据等内容，没有固定比例可以精准反向计算原始数据大小。因为索引膨胀率（总大小/原始大小）受多种因素影响：

• 字段的索引配置（比如是否对文本字段分词、是否关闭部分字段的索引）
• 文档压缩设置（Elasticsearch默认开启压缩，不同算法对大小影响不同）
• 文档结构复杂度（嵌套字段、多字段会增加元数据开销）
• 副本数量（副本会重复存储数据，总大小包含所有副本的占用）

如果是像你举例的场景，有相同数据类型的历史导入记录（比如1MB原始数据对应1.3MB总大小），可以用历史膨胀率做粗略估算（总大小 ÷ 1.3），但该结果误差较大，仅能做参考。最准确的方式还是直接通过_stats接口获取原始数据的统计值。

内容的提问来源于stack exchange，提问作者barambuk