原文: Index vs. Type By Adrien Grand
譯者: fengchang
對於 ES 的新用戶來說，有一個常見的問題：要存儲一批新的數據時，應該在已有 index 裏新建一個 type，還是給它新建一個 index？要想回答這個問題，我們必須先理解這兩者是怎麼實現的。
過去，我們爲了讓 ES 更容易理解，經常用關係型數據庫做一個比喻： index 就像關係型數據庫裏的 database, type 就像 database 裏的 table。但是這並不正確。由於兩種數據庫存儲數據的方式是如此不同，任何比喻都是沒有意義的。這種比喻往往會導致對 type 的濫用。
Index 是什麼
Index 存儲在多個分片中，其中每一個分片都是一個獨立的 Lucene Index。這就應該能提醒你，添加新 index 應該有個限度：每個 Lucene Index 都需要消耗一些磁盤，內存和文件描述符。因此，一個大的 index 比多個小 index 效率更高：Lucene Index 的固定開銷被攤分到更多文檔上了。
另一個重要因素是你準備怎麼搜索你的數據。在搜索時，每個分片都需要搜索一次， 然後 ES 會合並來自所有分片的結果。例如，你要搜索 10 個 index，每個 index 有 5 個分片，那麼協調這次搜索的節點就需要合併 5×10=50 個分片的結果。這也是一個你需要注意的地方：如果有太多分片的結果需要合併，或者你發起了一個結果巨大的搜索請求，合併任務會需要大量 CPU 和內存資源。這是第二個讓 index 少一些的理由。
Type 是什麼
使用 type 允許我們在一個 index 裏存儲多種類型的數據，這樣就可以減少 index 的數量了。在使用時，向每個文檔加入 _type 字段，在指定 type 搜索時就會被用於過濾。使用 type 的一個好處是，搜索一個 index 下的多個 type，和只搜索一個 type 相比沒有額外的開銷 —— 需要合併結果的分片數量是一樣的。
但是，這也是有限制的：
- 不同 type 裏的字段需要保持一致。例如，一個 index 下的不同 type 裏有兩個名字相同的字段，他們的類型（string, date 等等）和配置也必須相同。
- 只在某個 type 裏存在的字段，在其他沒有該字段的 type 中也會消耗資源。這是 Lucene Index 帶來的常見問題：它不喜歡稀疏。由於連續文檔之間的差異太大，稀疏的 posting list 的壓縮效率不高。這個問題在 doc value 上更爲嚴重：爲了提高速度，doc value 通常會爲每個文檔預留一個固定大小的空間，以便文檔可以被高速檢索。這意味着，如果 Lucene 確定它需要一個字節來存儲某個數字類型的字段，它同樣會給沒有這個字段的文檔預留一個字節。未來版本的 ES 會在這方面做一些改進，但是我仍然建議你在建模的時候儘量避免稀疏。[1]
- 得分是由 index 內的統計數據來決定的。也就是說，一個 type 中的文檔會影響另一個 type 中的文檔的得分。
這意味着，只有同一個 index 的中的 type 都有類似的映射 (mapping) 時，才應該使用 type。否則，使用多個 type 可能比使用多個 index 消耗的資源更多。
我應該用哪個
這是個困難的問題，它的答案取決於你用的硬件、數據和用例。首先你要明白 type 是有用的，因爲它能減少 ES 需要管理的 Lucene Index 的數量。但是也有另外一種方式可以減少這個數量：創建 index 的時候讓它的分片少一些。例如，與其在一個 index 裏塞上 5 個 type，不如創建 5 個只有一個分片的 index。
在你做決定的時候可以問自己下面幾個問題：
- 你需要使用父子文檔嗎？如果需要，只能在一個 index 裏建立多個 type。
- 你的文檔的映射是否相似？如果不相似，使用多個 index。
- 如果你的每個 type 都有足夠多的文檔，Lucene Index 的開銷可以被分攤掉，你就可以安全的使用多個 index 了。如果有必要的話，可以把分片數量設小一點。
- 如果文檔不夠多，你可以考慮把文檔放進一個 index 裏的多個 type 裏，甚至放進一個 type 裏。
總之，你可能有點驚訝，因爲 type 的使用場景沒有你想象的多，這是正確的。由於我們上面提到原因，在一個 index 中使用多個 type 的情景其實很少。如果你的數據有不同的映射，那就給他們分配不同的 index。但是請記住，如果不需要很高的寫入吞吐量，或者存儲的文檔數量不多，你可以通過減少 index 的分片來使集羣中的分片數量保持合理。
[1] posting list 和 doc value 都是 Lucene 的壓縮技術，原理是保存後一個文檔和前一個文檔的差異，而不是完整的文檔。