本节书摘来自华章计算机《深入理解ElasticSearch》一书中的第3章，第3.3节,作者：[美] 拉斐尔·酷奇（Rafa Ku） 马雷克·罗戈任斯基（Marek Rogoziński）更多章节内容可以访问云栖社区“华章计算机”公众号查看。
3.3 使用编解码器
Lucene 4.0的另一个显著变化是允许用户改变索引文件编码方式。在此之前，只能通过修改Lucene内核代码来实现。而Lucene 4.0出现以后，这个不再是难题，它提供了灵活的索引方式，允许用户改变倒排索引的写入方式。
3.3.1 简单使用范例
读者也许会有疑问，这个功能真的有用吗？这个问题问得很好，为什么用户需要改变Lucene索引写入格式？理由之一是性能。某些字段需要特殊处理，如主键字段。相较于包含多个重复值的标准数值类型或文本类型而言，主键字段中的数值并不重复，只要借助一些技术，主键值就能被快速搜索到。用户还可以使用SimpleTextCodec来调试代码，以便了解到底是什么格式的数据写入了Lucene索引之中（请注意，编解码器是Lucene提供的功能，ElasticSearch并没有相应的接口）。
3.3.2 工作原理解释
假设posts索引有下面这个映射（该映射保存在posts.json文件中）：
编解码器需要逐字段配置。为了配置某个字段使用特定的编解码器，需要在字段配置文件中添加一个postings_format属性，并将具体的编解码器所对应的属性值赋给它，例如pulsing。因此，我们需要对前面的映射文件进行修改（该映射保存在post_codec.json文件中），代码如下所示：
现在，执行下面的命令：
检查该命令的执行结果，看看编解码器配置是否在ElasticSearch中生效，如下所示：
正如我们所见，id字段的编解码器类型已经变成我们所期望的那样了。
因为编解码器在Lucene4.0以后才出现，所以ElasticSearch0.90之前的版本并不支持相关功能。
3.3.3 可用的倒排表格式
我们可以使用下面这些倒排表格式。
- default：当没有显式配置时，倒排表使用该格式。该格式提供了存储字段（stored field）和词项向量压缩功能。如果想了解更多关于索引压缩的知识。
- pulsing：该编解码器将高基（high cardinality）字段中的倒排表编码为词项数组，这会减少Lucene在搜索文档时的查找操作。使用该编解码器，可以提高在高基字段中的搜索速度。
- direct：该编解码器在读索引阶段将词项载入词典，且词项在内存中为未压缩状态。该编解码器能提升常用字段的查询性能，但也需要谨慎使用，由于词项和倒排表数组都需要存储在内存中，从而导致它非常消耗内存。
因为词项保存在byte数组中，所以每个索引段最多可以使用2.1GB的内存来存储这些词项。 - memory：顾名思义，该编解码器将所有数据写入磁盘，而在读取时则使用FST（Finite State Transducers）结构直接将词项和倒排表载入内存。如果想了解更多FST相关信息。因为使用该编解码器时，数据都在内存中，因而它能加速常见词项的查询。
- bloom_default：是default编解码器的一种扩展，即在default编解码器处理基础上又加入了bloom filter的处理，且bloom filter相关数据会写入磁盘中。当读入索引时，bloom filter相关数据会被读入内存，用于快速判断某个特定值是否存在。该编解码器在处理主键之类的高基字段时非常有用。
- bloom_pulsing：它是pulsing编解码器的扩展，在pulsing编解码器处理基础上又加入了bloom filter的处理。
3.3.4 配置编解码器
默认配置中提供的倒排索引格式已足以应付大多数应用了，但偶尔还是需要定制倒排索引格式以满足具体的需求。这种情况下，ElasticSearch允许用户更改索引映射中的codec部分来配置编解码器。例如，我们想配置default编解码器，并且将其命名为custom_default，便可以通过定义下面这个映射来实现（该范例存储在posts_codec_custom.jsonfile文件中）：
如你所见，我们已经更改了default编解码器的min_block_size和max_block_size参数值，并且将新配置的编解码器命名为custom_default。在这之后，我们对索引的name字段使用该倒排索引格式。
default编解码器属性
当使用default编解码器时，可以配置下面这些参数：
- min_block_size：该参数确定了Lucene将词项词典（term dictionary）中的多个词项编码为块（block）时，块中的最小词项数。默认值为25。
- max_block_size：该参数确定了Lucene将词项词典（term dictionary）中的多个词项编码为块（block）时，块中的最大词项数。默认值为48。
direct编解码器属性
当使用direct编解码器时，可以配置下面这些参数：
- min_skip_count：该参数确定了允许写入跳表（skip list）指针的具有相同前缀的词项的最小数量。默认值为8。
- low_freq_cutoff：编解码器使用单个数组对象来存储那些文档频率（document frequence）低于该参数值的词项的倒排链及位置信息。默认值为32。
memory编解码器属性
当使用memory编解码器时，可以配置下面这些参数:
- pack_fst：该参数为布尔类型，默认设置为false，用来确认保存倒排链的内存结构是否被打包为FST（Finite State Transducers）类型。而打包为FST类型能减少保存数据所需的内存量。
- acceptable_overhead_ratio：该参数为浮点型，指定了内部结构的压缩率，默认值为0.2。当该参数值为0时，虽然没有额外的内存消耗，但是这种实现方式会导致较低的性能。当该参数值为0.5时，将会多付出50%的内存消耗，但是这种实现方式能提升性能。参数值超过1的设置也是可行的，只是会导致更多的内存开销。
pulsing编解码器属性
当使用pulsing编解码器时，除了可以设置default编解码器的那些参数，还有另外一个参数可供配置，请参考下面的描述：
- freq_cut_off：该参数默认设置为1，是设置的一个文档频率阈值，若词项对应的文档频率小于等于该阈值，则将该词项的倒排链写入词典中。
- 基于bloom filter的编解码器属性
如果要配置基于bloom filter的编解码器，可使用bloom_filter类型并设置下面这些属性：
- delegate：该属性值用来确定将要被bloom filter包装（wrap）的编解码器。
- ffp：该属性值介于0与1.0之间，用来确定期望的假阳率（false positive probability）。我们可以依据每个索引段中的文档数设置多个ffp值。例如，默认情况下，10k个文档时为0.01，1m个文档时为0.03。这种配置的含义是：当索引段中文档数大于10 000个时，ffp值使用0.01，而当文档数超过1 000 000时，ffp值使用0.03。
例如，我们想在direct编解码器上包装基于bloom filter的编解码器（范例存储在posts_bloom_custom.json文件中）：