ElasticSearch-深入理解系列4-文档(Document)

1 面向文档(document oriented)

存储在ES中的一条数据即是一个文档，类似数据库的一行数据。ES会索引每个文档的内容，以便搜索。

它使用的JSON格式。即我们将数据存储到ES中，实际上是将JSON格式的字符串发给了ES。

2 ES支持的数据类型及对应属性（ http://www.cnblogs.com/xing901022/p/5471419.html）。

2.1 简单类型

string： 2.x版本使用，5.x版本使用keyword（不分词）和text(分词)

• 比较重要的参数：

index分析

• analyzed(默认).则将会通过默认的standard分析器进行分析,中文需要使用IK进行分词
• not_analyzed：则会将整个字段存储为关键词，常用于汉字短语、邮箱等复杂的字符串
• no：则无法通过检索查询到该字段；

store存储

• true 独立存储
• false（默认）不存储，从_source中解析

Numeric

数值类型，注意numeric并不是一个类型，它包括多种类型，比如： long,integer,short,byte,double,floa t，每种的存储空间都是不一样的，一般默认推荐integer和float。 官方文档参考

重要的参数：

index分析

• not_analyzed(默认) ，设置为该值可以保证该字段能通过检索查询到
• no

store存储

• true 独立存储
• false（默认）不存储，从_source中解析

date

日期类型，该类型可以接受一些常见的日期表达方式， 官方文档参考 。

重要的参数：

index分析

• not_analyzed(默认) ，设置为该值可以保证该字段能通过检索查询到
• no

store存储

• true 独立存储
• false（默认）不存储，从_source中解析

format格式化

• strict_date_optional_time||epoch_millis（默认）
• 你也可以自定义格式化内容，比如

"date" : { "type" : "date" , "format" : "yyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis" }

• 更多的时间表达式可以参考这里

IP

这个类型可以用来标识IPV4的地址， 参考官方文档

常用参数：

index分析

• not_analyzed(默认) ，设置为该值可以保证该字段能通过检索查询到
• no

store存储

• true 独立存储
• false（默认）不存储，从_source中解析

boolean

布尔类型，所有的类型都可以标识布尔类型， 参考官方文档

• False: 表示该值的有:false, "false", "off", "no", "0", "" (empty string), 0, 0.0
• True: 所有非False的都是true

重要的参数：

index分析

• not_analyzed(默认) ，设置为该值可以保证该字段能通过检索查询到
• no

store存储

• true 独立存储
• false（默认）不存储，从_source中解析

2.2 复合类型。

a) 多值字段(数组)

{ "tag" : [ "search" , "nosql" ]}

数组中的字段必须为相同类型。即字符串和日期不能混合使用

b)空字段

Lucene不能存放null，所以null被认为是空字段。

下面都为空字段而不被索引：

c）多层字段（or innerobject）

{"tweet" : "user" : {

"Elasticsearch is very flexible" ,

"id" : "@johnsmith" , "gender" : "male" , "age" : 26 ,

"name" : {

"full" : "John Smith" , "first" : "John" , "last" : "Smith"}}}

name即为内部对象。

内部对象索引，ES会将其转化为如下格式进行索引。

3 在ES默认每个字段都会被索引。

4 一个文档除了包含数据外，还包含元数据-三个必须字段

5 _index 类似关系数据库的数据库.

实际上我们的数据是被存储在分片中，索引只是把一个或者多个分片组织在一起的逻辑空间。但是对于我们来说，我们可以完全不关心这些。只需要知道Index即可，

6 _type 类型

在数据中，我们通常将相同类型的数据存储在一个表里，在ES中，将数据存储在同一个type中。

7 _id

7.1 一个字符串，通过结合_index，_type，我们可以唯一定位到文档。

7.2 _id可以自己指定，也可以让ES自动生成。

使用文档中的字段作为文档：

自己指定id时，对bulk接口有轻微的性能影响，因为这种情况下还需要解析每个文档。

7.3 数据存储在哪个分片也是通过_id 进行模运算后得出的。