Elasticsearch商品标签存储最优方案咨询：数组/嵌套/位存储选哪种？

我在Elasticsearch中创建了名为product的索引，需要为商品添加environmental（环保）、energy-saving（节能）、recyclable（可回收）、medical-grade（医疗级）这类标签。通过搜索整理出三种存储方案，具体实现及分析如下：

1. 数组存储方案 #

Mapping定义 #

{
    "mappings": {
        "properties": {
            "tags": {
                "type": "keyword"
            }
        }
    }
}

方案特点 #

直接存储标签名称，keyword类型支持精确匹配与聚合操作，实现简单直观，是标签场景的常规实现方式。

查询示例（同时包含environmental和medical-grade标签） #

{
    "query": {
        "bool": {
            "must": {
                "terms": {
                    "tags": [
                        "environmental",
                        "medical-grade"
                    ]
                }
            }
        }
    }
}

2. 嵌套类型存储方案 #

Mapping定义 #

{
    "mappings": {
        "properties": {
            "tags": {
                "type": "nested",
                "properties": {
                    "code": {
                        "type": "text"
                    }
                }
            }
        }
    }
}

方案特点 #

既可以存储标签名称，也支持扩展存储标签ID、描述等额外属性。但嵌套类型会将每个标签对象作为独立子文档存储，增加索引存储开销，查询时需关联嵌套文档，性能损耗明显。

查询示例（同时包含environmental和medical-grade标签） #

{
    "query": {
        "bool": {
            "must": {
                "terms": {
                    "tags.code": [
                        "environmental",
                        "medical-grade"
                    ]
                }
            }
        }
    }
}

3. 位存储方案 #

Mapping定义 #

{
    "mappings": {
        "properties": {
            "tags": {
                "type": "long"
            }
        }
    }
}

方案特点 #

通过二进制位映射标签：为每个标签分配唯一二进制位（如0位对应environmental、1位对应energy-saving、2位对应recyclable、3位对应medical-grade），用十进制数值表示标签组合（例如二进制1001对应十进制9，代表同时包含environmental和medical-grade）。存储占用极小，但标签数量受限于long类型位数（最多64个），查询依赖脚本运算，无法利用倒排索引优化。

查询示例（同时包含environmental和medical-grade标签） #

{
    "query": {
        "bool": {
            "must": {
                "script": {
                    "script": "doc['tags'].size() != 0 && (doc['tags'].value&9)==9"
                }
            }
        }
    }
}

专业建议 #

性能对比 #

1. 数组存储：性能最优。keyword类型的terms查询是Elasticsearch原生优化的查询方式，索引和查询效率极高，支持聚合、排序等操作，维护成本低。
2. 嵌套类型：性能最差。嵌套文档的存储和关联查询会带来额外开销，仅在必须存储标签附加属性时考虑使用。
3. 位存储：查询性能劣势明显。虽然存储占用小，但脚本查询无法利用缓存和倒排索引优化，数据量较大时延迟会显著上升，且标签扩展受限。

方案选择建议 #

• 若仅需存储标签名称，优先选择数组+keyword类型，这是Elasticsearch处理标签场景的标准方案，兼顾性能、易用性和扩展性。
• 若需要为标签附加额外属性（如标签描述、创建时间），再考虑嵌套类型，但需评估数据量和查询性能需求。
• 位存储方案不推荐在生产环境使用，除非标签数量极少（远小于64）且对存储占用有极致要求，否则脚本查询的性能损耗和扩展限制会带来长期维护问题。

更优方案补充 #

如果需要频繁进行多标签组合查询，可结合filter上下文替代must，利用Elasticsearch的过滤器缓存进一步优化查询速度；若标签存在层级关系，可将层级信息编码到keyword值中（如category.environmental），支持更灵活的前缀或范围查询。

内容的提问来源于stack exchange，提问作者HetFrame