系列课程 ElasticSearch 之第 6 篇 —— 自定义扩展分词文件、文档映射

自定义扩展分词文件

接着上一篇博客讲解。

我们打开下载好的 ik 分词插件的 config 目录，可以看到很多 dic 结尾的文件，用记事本打开，看到很多中文的词汇。

其中，IKAnalyzer.cfg.xml 文件是分词的配置信息。

我们在此目录下创建一个文件夹：customer，在文件夹里创建文件：my_dictionary.dic  文件内容如下：注意，我们不能直接创建文件然后修改文件后缀成 .dic，经过测试，ElasticSearch 无法读取到经过修改的文件格式。我们可以复制 config 目录下的一个 dic 文件，然后修改里面的内容，并且重命名为我们的 my_dictionary.dic。

马云
王者荣耀
萨瓦迪卡
流放深圳
洪荒之力

然后修改 IKAnalyzer.cfg.xml 文件如下：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict">customer/my_dictionary.dic</entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords"></entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<!-- <entry key="remote_ext_dict">words_location</entry> -->
	<!--用户可以在这里配置远程扩展停止词字典-->
	<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

然后重启 ElasticSearch 服务器，使用 postman 测试一下：

上图说明已经读取到我们的自定义分词文件了。

 

文档映射

ElasticSearch 和关系数据库做对比：索引（index）相当于数据库，类型(type)相当于数据表，映射(Mapping)相当于数据表的表结构。ElasticSearch中的映射（Mapping）用来定义一个文档，可以定义所包含的字段以及字段的类型、分词器及属性等等。

文档映射就是给文档中的字段指定字段类型、分词器。语法：GET /索引/_mapping

 

映射的分类

1、动态映射：在关系数据库中（如mysql），需要事先创建数据库，然后在该数据库实例下创建数据表，然后才能在该数据表中插入数据。而 ElasticSearch 中不需要事先定义映射（Mapping），文档写入ElasticSearch时，会根据文档字段自动识别类型，这种机制称之为动态映射。

2、静态映射：在 ElasticSearch 中也可以事先定义好映射，包含文档的各个字段及其类型等，这种方式称之为静态映射。

 

ElasticSearch 数据类型

1、string 字符串类型。string 类型包含 text 和 keyword。

注意: keyword类型不能分词，text类型可以分词查询。

text：该类型被用来索引长文本，在创建索引前会将这些文本进行分词，转化为词的组合，建立索引；允许 ES 来检索这些词，text 类型不能用来排序和聚合。

keyword：该类型不需要进行分词，可以被用来检索过滤、排序和聚合，keyword 类型自读那只能用本身来进行检索（不可用 text 分词后的模糊检索）。

 

2、数值类型：long、integer、short、byte、double、float

日期型：date

布尔型：boolean

二进制型：binary

数组类型：（Array datatype）

 

3、复杂类型

地理位置类型（Geo datatypes）

地理坐标类型（Geo-point datatype）：geo_point 用于经纬度坐标

地理形状类型（Geo-Shape datatype）：geo_shape 用于类似于多边形的复杂形状

 

4、特定类型（Specialised datatypes）

Pv4 类型（IPv4 datatype）：ip 用于IPv4 地址

Completion 类型（Completion datatype）：completion 提供自动补全建议

Token count 类型（Token count datatype）：token_count 用于统计做子标记的字段的index数目，该值会一直增加，不会因为过滤条件而减少

 

如何在创建文档映射时制定类型？

POST /mytest/user
{
  "user":{
    "properties":{
      "name":{
        "type":"text",
        "analyzer":"ik_smart",
        "search_analyzer":"ik_smart"
      },
      "age":{
        "type":"integer"
      },
      "sign":{
        "type":"text",
        "analyzer":"ik_smart",
        "search_analyzer":"ik_smart"
      }
    }
  }
}

上面我们指定 name 的类型是 text，指定查询的分词器。注意使用的是 POST。

执行结果如下：

 

如何修改文档类型？

1、先删除原来的索引：DELETE /mytest

2、再重新创建，指定新的索引即可。