1.数据准备
首先插入几条数据,让es自动为我们建立一个索引
PUT /website/article/1
{
"post_date": "2017-01-01",
"title": "my first article",
"content": "this is my first article in this website",
"author_id": 11400
}
PUT /website/article/2
{
"post_date": "2017-01-02",
"title": "my second article",
"content": "this is my second article in this website",
"author_id": 11400
}
PUT /website/article/3
{
"post_date": "2017-01-03",
"title": "my third article",
"content": "this is my third article in this website",
"author_id": 11400
}
尝试各个搜索
GET /website/article/_search?q=2017 //查出3条结果
GET /website/article/_search?q=2017-01-01 //也查出3条结果
GET /website/article/_search?q=post_date:2017-01-01 //查出1条结果
GET /website/article/_search?q=post_date:2017 //查出1条结果
引出一个问题:为什么搜索结果会不一致
mapping,就是index的type的元数据,每个type都有一个自己的mapping,决定了数据类型,建立倒排索引的行为,还有进行搜索的行为
2.对mapping的透彻理解
• 往es里面直接插入数据,es会自动建立索引,同时建立type以及对应的mapping
• mapping中就自动定义了每个field的数据类型
• 不同的数据类型(比如说text和date),可能有的是exact value,有的是full text
• exact value,在建立倒排索引的时候,分词的时候,是将整个值一起作为一个关键词建立到倒排索引中的;full text,会经历各种各样的处理,分词,normaliztion(时态转换,同义词转换,大小写转换,单复数转换),才会建立到倒排索引中
• 同时呢,exact value和full text类型的field就决定了,在一个搜索过来的时候,对exact value field或者是full text field进行搜索的行为也是不一样的,会跟建立倒排索引的行为保持一致;比如说exact value搜索的时候,就是直接按照整个值进行匹配,full text query string,也会进行分词和normalization再去倒排索引中去搜索
• 可以用es的dynamic mapping,让其自动建立mapping,包括自动设置数据类型;也可以提前手动创建index和type的mapping,自己对各个field进行设置,包括数据类型,包括索引行为,包括分词器,等等
3.mapping的核心数据类型
String、byte、short、intege、long、float、double、boolean、date
dynamic mapping
true or false –> boolean
123 –> long
123.45 –> double
2017-01-01 –> date
“hello world” –> string/text
4.查看mapping
GET /website/_mapping/
{
"website": {
"mappings": {
"article": {
"properties": {
"author_id": {
"type": "long"
},
"content": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"post_date": {
"type": "date"
},
"title": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
}
}