elasticsearch-guide

Elasticsearch Guide

Workflow

1. Analyser le besoin

Avant tout mapping ou requête, répondre à ces questions :

Question	Impact
Full-text ou filtrage exact ?	text vs keyword
Données temporelles (logs, métriques) ?	ILM + data streams
Volume par jour / rétention ?	Nombre de shards, rollover
Latence cible (<100ms / <1s) ?	Replicas, routing, cache
Agrégations nécessaires ?	doc_values: true, fielddata à éviter

---

2. Concevoir le mapping

Toujours définir un mapping explicite — ne jamais laisser Elasticsearch inférer en production.

PUT /produits
{
  "mappings": {
    "properties": {
      "titre":        { "type": "text", "analyzer": "french",
                        "fields": { "raw": { "type": "keyword" } } },
      "categorie":    { "type": "keyword" },
      "prix":         { "type": "scaled_float", "scaling_factor": 100 },
      "created_at":   { "type": "date", "format": "strict_date_optional_time" },
      "tags":         { "type": "keyword" },
      "description":  { "type": "text", "index": false, "doc_values": false }
    }
  }
}

Critères de décision des types :

• text → recherche full-text (tokenisé, analysé)
• keyword → filtres, agrégations, tri exact (categorie, status, id)
• nested → tableaux d'objets avec relations internes (éviter si possible, coûteux)
• flattened → JSON dynamique avec structure inconnue, moindre coût que nested
• scaled_float → montants monétaires (éviter float pour les arrondis)

---

3. Configurer l'index et l'ILM

PUT _ilm/policy/logs-policy
{
  "policy": {
    "phases": {
      "hot":    { "actions": { "rollover": { "max_size": "50gb", "max_age": "7d" } } },
      "warm":   { "min_age": "7d",  "actions": { "shrink": { "number_of_shards": 1 }, "forcemerge": { "max_num_segments": 1 } } },
      "cold":   { "min_age": "30d", "actions": { "freeze": {} } },
      "delete": { "min_age": "90d", "actions": { "delete": {} } }
    }
  }
}