在对text字段进行搜索的时候，假如你需要对多个text类型的字段搜索，例如 文章的标题和文章的内容，这两个字段。
在这种情况下，是可以开启copy_to来提速的。我测试的提速效果在百分之五十左右。
它是将这两个字段copy到一个字段上，然后进行分词处理。之所以会快，就是因为如果你多个字段，要做多次的查询，如果合并到一个字段上，只需要做一次查询。
但是请注意，它会额外花费比较多的磁盘资源！
测试结论对两个text类型字段检索，数据内容为文章和标题。开启copy_to以后，搜索提升百分之五十左右。磁盘额外占用百分之二十五左右。
如何开启copy_to我这里不做过多的介绍了，直接看官网吧。
copy_to | Elasticsearch Guide [8.4] | Elastic
看看资源花费情况GET _cat/indices?v
可以看到索引在开启copy_to前是583G，开启后是724G。磁盘多花费了24%。这个要根据自己数据情况，具体去测试分析。因为大家的数据，场景都不一样。
看看提升效果
我是写测试程序跑了几百个搜索词条件，做测试。搜索就是query_string，然后mache_phrase
测试代码如下：
@Override
public void comparisonCopyTo() throws IOException {
// 搜索词
List queryList = Arrays.asList("中国", "美国", "拜登", "疫情", "苹果", "华为", "特朗普", "利好", "浪漫", "马斯特",
"特斯拉", "台湾", "香港", "美食", "微信", "晴天", "北京", "救援", "失败", "报警",
"媒体", "新疆", "京东", "深圳", "爆炸", "事故", "征地", "抗议", "聚众", "黑社会",
"堵路", "打砸", "罢工", "跳楼", "招募", "黑旅馆", "争议", "盗窃", "碰车", "示威",
"不满", "黑中介", "失火", "举报", "公道", "经济学家", "中国新闻周刊", "永定河", "中国大地财产保险股份有限公司", "冬奧",
"天津大事件");
// 对比逻辑：相同的搜索词，去对比搜索时间，打印日志，校验搜索结果
for (String queryString:queryList) {
HashMap fields = new HashMap();
fields.put("content", 1.0F);
fields.put("title", 1.0F);
QueryStringQueryBuilder queryBuilder = QueryBuilders.queryStringQuery(queryString).fields(fields).type(MultiMatchQueryBuilder.Type.PHRASE);
SearchResponse data = commonsDao.basicSearch(queryBuilder, 10, true, "all_data");
// 查询copy-to的字段
HashMap copyToFields = new HashMap();
copyToFields.put("full_search", 1.0F);
QueryStringQueryBuilder copyToQueryBuilder = QueryBuilders.queryStringQuery(queryString).fields(copyToFields).type(MultiMatchQueryBuilder.Type.PHRASE);
SearchResponse copyToData = commonsDao.basicSearch(copyToQueryBuilder, 10, true, "all_data_copy_to");
log.info("copy-to测试对比（un copy-to vs copy-to）, 搜索词 {},查询时间对比 {} vs {}, 查询性能提升 {}% ,查询结果对比 {} vs {}", queryString,
data.getTook().getMillis(), copyToData.getTook().getMillis(), (float)(data.getTook().getMillis() - copyToData.getTook().getMillis())/data.getTook().getMillis()*100,
data.getHits().getTotalHits().value, copyToData.getHits().getTotalHits().value);
}
}测试结果如下：
