介绍elasticsearch中Mapping

这篇文件介绍elasticsearch中mapping特性。我们会定义其关键术语，并进一步介绍mapping是什么，什么时候指定它，其结构是怎样的以及如何应用到我们的数据中。

Schema是什么

schema翻译为模式
mapping 翻译为映射

模式是一个或多个字段的描述，描述文档的类型以及如何处理文档的不同字段。

在elasticsearch中schema就是mapping，其用于描述在json文档中的字段和数据类型，以及它们在Lucene索引中如何进行索引。因此，在elasticsearch术语中，我们通常将该模式称为映射。

在概念上，elasticsearch服务器包含零个或多个索引。一个索引包含零个或多个类型，其类型又包含零个或多个文档。换句话说：一个文档有一个标识，会属于一个类型，其又会属于一个索引。下图显示在索引my_index中，my_type类型中的文档A、B、X和Y.

上图将类型名为another_type和索引名为another显示出来是为了强调elasticsearch是多库的，其意味着我们可以在单个服务器上存储多个索引和多个类型。

在elasticsearch文档和相关资料中，我们常常看到术语mapping type, 其通常表示在索引内的type名称，例如上图中的my_type和another_type。
当我们在elasticsearch中说到类型，其通常是类型的定义。不要和每个mapping中的type关键字混淆了，该关键字决定了文档中的数据如何由elasticsearch来处理。

什么时候使用自定义的映射

elasticsearch具有无模式的能力，这意味着文档在没有明确提供模式下也能被索引。

如果你不指定映射，则在索引期间检测到文档中的新字段时，elasticsearch将默认会动态生成一个动态映射。然而，这个动态生成的映射需要注意：

1. 检测到的类型可能不正确
2. 可能会导致不必要的重复。（特别是_source和_all字段）。
3. 对于索引和搜索会使用默认的分词器和设置。

例如：时间戳在json中常常表示为long，但是elasticsearch可能不能将其检测为date字段，从而阻止了date过滤器和facets（the date histogram facet）正常工作。

明确指定模式，我们可以避免上述的问题。

映射看起了像什么？

映射通常作为json提供给elasticsearch，是一种分层结构格式，root是映射应用的类型名称。

Mapping Root

在映射root级别，在类型名称下，elasticsearch支持几个特殊字段来配置如何处理不是要发布文档部分的元数据，例如：其type，id，size和fallback _all field。有关支持的特殊字段的列表，请参阅Mapping Reference右侧列表中的fields。

root 对象还可以有其他额外的属性，它可以为类型设置默认索引和搜索分析器，在类型中的日期会自动解析为日期的格式以及动态模板 - 我们将在以后的文章中重新讨论这些属性。除了上述领域，嵌套json文档的root基本和其他映射基本之间没有区别。

Hierarchical Levels 层次级别

每个层次通常定义一个properties设置，对层次中的文档的key进行映射。这个结构是分层的，意味着每个级别下的叶子节点可能包括其子值的properties设置。为了更好理解，思考下面的文档和其映射：
Document：

{
    "name": {
        "first": "John"
    }
}

Mapping:

{
  "my_type" : {
    "properties" : {
      "name" : {
        "properties" : {
          "first" : { "type" : "string" } }
      }
    }
  }
}

虽然映射比文档稍微复杂点，映射的结果清晰的遵循文档的结构，并添加了properties节点。

上面层次：
第一层：key为name这层，归属type。
第二层：key为first这层，归属第一层。
所以在设置映射关系时，第一层是被my_type包裹着，第二层是被name这层包裹着，其中它们都是要用properties字段包裹着，表示设置的映射关系。

The type Key

在上面的例子中，我们看到文档字段name.first与其他结构的区别在于它定义了一个type。在叶子层次中使用的type键是为了告诉elasticsearch在文档给定（相同）的层次中如何处理该字段。如果type键被省略， 如非叶子层次类型情况，elasticsearch会假设其为object（对象）类型。

string类型是内置的核心类型之一，elasticsearch支持许多不同的类型，例如：geo_point和ip，其可以分别用于有效索引和搜索地理位置和IPv4地址。使用multi_field类型，我们甚至可以将单个文档字段索引到多个虚拟字段中。我们将在未来的文章中详细说明。

如何提供Mapping

这里有两种方式来提供mapping给elasticsearch。
最常见的方式是在创建索引时：

curl -XPOST ...:9200/my_index -d '{
    "settings" : {
        # .. index settings
    },
    "mappings" : {
        "my_type" : {
            # mapping for my_type
        }
    }
}'

另一种方式是使用Put Mapping API

$ curl -XPUT 'http://localhost:9200/my_index/my_type/_mapping' -d '
{
    "my_type" : {
        # mapping for my_type
    }
}
'

注意：该类型（my_type）在请求路径和请求体中是相同的。
此API使我们能够更新现有索引的映射，但是存在潜在的冲突和一些限制。新定义的映射可以添加到现有映射中，并且已有的类型可能会更新他们的配置，但是改变类型将会发生冲突并且是不可接受的。然而可以通过将ignore_conflicts=true作为参数传递给Mapping API，但这样做不能保证产生预期的结果，因为已经索引的文档在使用新映射时不会自动重新索引（类似于插入操作）文档。

因此，在大多数情况下，建议使用Put Mapping API在创建索引时，指定映射。

结束语

现在介绍在elasticsearch中模式/映射，并且展示了数据类型层次定义是如何映射的。在后续文章中，我将会更详细讲解关于a workflow I use when I explore new datasets with Elasticsearch.

参考地址：
https://www.elastic.co/blog/found-elasticsearch-mapping-introduction