两种方法都有不同的含义。

假设您使用 Elasticsearch 的默认设置，每个模型有 1 个索引将显着增加您的分片数量，因为 1 个索引将使用 5 个分片，5 个数据模型将使用
25 个分片；虽然在 1 个索引中有 5 个对象类型仍将使用 5 个分片。

将每个数据模型作为索引的含义：

• 在索引中高效快速地搜索，因为每个分片中的数据量应该更小，因为它分布到不同的索引。
• 从 2 个或更多索引中搜索数据模型的组合会产生开销，因为查询必须跨索引发送到更多分片、编译并发送回用户。
• 如果您的数据集很小，则不建议这样做，因为创建每个额外的分片都会产生更多的存储空间，并且性能提升是微不足道的。
• 如果您的数据集很大并且您的查询需要很长时间来处理，则推荐使用，因为专用分片存储您的特定数据，并且 Elasticsearch 更容易处理。

将每个数据模型作为索引中的对象类型的含义：

• 更多数据将存储在索引的 5 个分片中，这意味着当您跨不同数据模型进行查询时，开销问题会更小，但您的分片大小会大得多。
• 分片中的更多数据将需要更长的时间让 Elasticsearch 搜索，因为要过滤的文档更多。
• 如果您知道您正在处理 1 TB 的数据并且您没有将数据分布在 Elasticsearch 映射中的不同索引或多个分片中，则不推荐使用。
• 推荐用于小型数据集，因为每个分片都会占用硬件空间，因此不会浪费存储空间来获得边际性能提升。

如果您要问什么是太多数据与小数据？通常它取决于处理器速度和硬件的 RAM、您在 Elasticsearch
映射中每个变量中存储的数据量以及您的查询要求；在您的查询中使用许多方面会显着减慢您的响应时间。对此没有直接的答案，您必须根据自己的需要进行基准测试。