ES存儲document時，會根據數據對應的field類型建立對應的索引。通常來說只創建倒排索引，倒排索引是爲了搜索而存在的，但如果對數據進行排序、聚合、過濾等操作時，再使用倒排索引就明顯不適合了。這個時候就需要在ES中創建正排索引(doc values)。doc values保存在磁盤中，如果OS Cache系統緩存的空間足夠大，ES會緩存doc values，因此性能還是很不錯的。
問: 爲什麼說倒排索引不適合做聚合、排序等操作？
答: 比如有數據如下:
{
“name” : “張三”,
“remark” : “java開發工程師”,
"_id": 1
}
{
“name” : “李四”,
“remark” : “java架構工程師”,
"_id": 2
}
爲remark字段創建倒排索引:
| Term | Doc |
|---|---|
| java | 1,2 |
| 開發 | 1 |
| 架構 | 2 |
| 工程師 | 1,2 |
如果在倒排索引的基礎上進行聚合，那麼到底是根據java進行聚合呢、還是根據開發或者架構來聚合呢？不難發現，用哪一個都不合適。排序也是如此。倒排索引因分詞得到了許多好處，但也因此留下了弊端。
所以，爲了應對這種不需要分詞的需求和場景，ES設計了正排索引Doc values。Doc values不會對字段作任何分詞處理，皆保留原值。
正排索引的大致結構如下:
| Doc values | Values |
|---|---|
| Doc1 | java開發工程師 |
| Doc2 | java架構工程師 |
ES會根據document中每個字段是否分詞，有選擇性的實現字段對應的倒排索引或正排索引(Doc values)。
比如，如果字段類型爲keyword,long,date,那麼這些類型修飾的字段一定會有正排索引(Doc values)。
比如，如果字段類型爲text，則只會有倒排索引，不會主動創建正排索引。
如果想在同一個字段中，既實現正排索引，又實現倒排索引，只需要使用fielddata即可，實現方式如下:
若遇到聚合、排序等需求時，ES使用test_field.keyword，若遇到搜索需求時，ES使用test_field。
{
"mappings": {
"type": {
"properties": {
"test_field": {
"type": "text",
"analyzer": "standard",
"fields": {
"keyword": {
"type": "keyword"
}
}
}
}
}
}
}