编程界的小学生
一、举例
用一个例子来说明mapping到底是什么玩意。
1、数据准备
PUT /blog/_doc/1
{
"create_time": "2020-05-01",
"title": "first article",
"content": "xxxxxxx",
"author_id": 123
}
PUT /blog/_doc/2
{
"create_time": "2020-05-02",
"title": "second article",
"content": "xxxxxxxxxx",
"author_id": 123
}
PUT /blog/_doc/3
{
"create_time": "2020-05-03",
"title": "third article",
"content": "xxxxxxxxxxxxxxxx",
"author_id": 123
}
2、搜索
GET /blog/_search?q=2020
0条结果输出。
GET /blog/_search?q=2020-05-01
1条结果输出,_id=1的那条。
GET /blog/_search?q=create_time:2020-05-01
1条结果输出,_id=1的那条。
GET /blog/_search?q=create_time:2020
0条结果输出。
3、分析
为什么上述的结果是那样的?理想状态下第一搜索方式不该三条都出来吗?这就是因为mapping再捣鬼,其实每个key对应的都有一种数据类型,比如create_date对应的就是date数据类型 ,每种数据类型es里的分词方式和搜索行为都是不同的,这些都体现在mapping里。mapping到底长什么样,怎么设置,什么查看等操作继续往下看。
二、Mapping
1、是什么
mapping就是ES数据字段field的type元数据,ES在创建索引的时候,dynamic mapping会自动为不同的数据指定相应mapping,mapping中包含了字段的类型、搜索方式(精确匹配还是全文检索)、分词器等。
2、如何查看
查看mapping的语法很简单:
GET /index/_mappings
比如:
GET /blog/_mapping
返回如下:
{
"blog" : {
"mappings" : {
"properties" : {
"author_id" : {
"type" : "long"
},
"content" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"create_time" : {
"type" : "date"
},
"title" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
}
}
}
返回结果字段解释说明:
key | 解释 |
---|---|
blog | index名称 |
properties | index下所有document的字段 |
type | 字段对应值所属数据类型 |
keyword | 很有用,如果需要精确匹配的话就用field.keyword,这个es自动为我们默认生成的 |
ignore_above | 超过长度将被忽略,比如content字段就是最大长度255,超出255的搜索字符长度会被忽略,想想百度/Google搜索,都有长度限制。 |
那为什么
GET /blog/_search?q=2020
一条搜不到?因为默认ES的除了text数据类型,其他类型默认是不分词的,所以2020-05-01这完整是一个词,不会再次分词。
3、创建mapping
3.1、语法
PUT /index
{
"mappings": {
"properties": {
"field": {
"mapping_parameter": "parameter_value"
}
}
}
}
3.2、Demo
创建之前要先保证index是没有的,也就是需先del掉
DELETE /blog
,Mapping的创建只允许在index创建之前。
PUT /blog
{
"mappings": {
"properties": {
"author_id": {
"type": "long"
},
"title": {
"type": "text",
"analyzer": "english"
},
"content": {
"type": "text",
"analyzer": "standard"
},
"create_date": {
"type": "date"
}
}
}
}
然后我们再次查看此mapping GET /blog/_mapping
,会发现content分词器是standard,title分词器是english了。
{
"blog" : {
"mappings" : {
"properties" : {
"author_id" : {
"type" : "long"
},
"content" : {
"type" : "text",
"analyzer" : "standard"
},
"create_date" : {
"type" : "date"
},
"title" : {
"type" : "text",
"analyzer" : "english"
}
}
}
}
}
3.3、analyzer字段释义
取值 | 解释 |
---|---|
no | 无法通过检索查询到该字段 |
not_analyzed | 将整个字段存储为一个词,不进行再次分词,常用于短语/成语/邮箱等场景 |
具体分词器 | 比如:english,standard等 |
只有text类型默认是分词的,分词器是standard,其余数据类型皆是not_analyzed(不分词)。
3.4、测试mapping
我们刚对title设置了english分词器,测试一把:
GET /blog/_analyze
{
"field": "title",
"text": "Hello-WorlD"
}
结果:
{
"tokens" : [
{
"token" : "hello",
"start_offset" : 0,
"end_offset" : 5,
"type" : "<ALPHANUM>",
"position" : 0
},
{
"token" : "world",
"start_offset" : 6,
"end_offset" : 11,
"type" : "<ALPHANUM>",
"position" : 1
}
]
}
发现进行了分词操作,没毛病,而且很完美的是大小写自动转换、自动去除了-符号,这些都是分词器帮我们干的。 分词器不是此篇重点,不多BB。
4、修改mapping
尝试将author_id和create_date修改为字符串类型。
PUT /blog
{
"mappings": {
"properties": {
"author_id": {
"type": "text"
},
"create_date": {
"type": "text"
}
}
}
}
结果:
{
"error" : {
"root_cause" : [
{
"type" : "resource_already_exists_exception",
"reason" : "index [blog/cZEVhKIbS8GfHHmDS9rGYg] already exists",
"index_uuid" : "cZEVhKIbS8GfHHmDS9rGYg",
"index" : "blog"
}
],
"type" : "resource_already_exists_exception",
"reason" : "index [blog/cZEVhKIbS8GfHHmDS9rGYg] already exists",
"index_uuid" : "cZEVhKIbS8GfHHmDS9rGYg",
"index" : "blog"
},
"status" : 400
}
会提示已存在,不让修改mapping,很简单的道理,你都有几百万数据了,你要修改mapping结构,那我数据类型、分词啥的都要重新搞一遍,这我怎么可能让你修改!
5、mapping的属性列表
属性 | 解释 |
---|---|
analyzer | 指定分析器 |
coerce | 是否允许强制类型转换 true: long类型的field插入“1”也能成功 false: long类型的field插入“1”会报错,类型不匹配 |
doc values | 为了提升排序和聚合效率,默认true, 如果确定不需要对字段进行排序或聚合,也不需要通过脚本访问字段值, 则可以禁用doc值以节省磁盘空间( 不支持text 和annotated_text ) |
eager_global_ordinals | 用于聚合的字段上,优化聚合性能 |
ignore_above | 超过长度将被忽略,想想百度/Google搜索都有长度限制 |
fields | 给field创建多字段,用于不同目的(全文检索或者聚合分析排序) |
norms | 是否禁用评分(作为优化在filter和聚合字段上应该禁用) |
search_analyzer | 设置单独的查询时分析器 |
similarity | 为字段设置相关度算法,支持BM25、claassic(TF-IDF)等,默认TF/IDF |
更多的查看官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html
三、定制化dynamic mapping
重点在于dynamic
这个属性,比如如下
举个最简单的例子:
PUT /my_blog
{
"mappings": {
"dynamic": "strict",
"properties": {
"title": {
"type": "text"
},
"tags": {
"type": "object",
"dynamic": "true"
}
}
}
}
创建了一个只能有title和tags字段的index。因为
dynamic:strict
。而tags里配置了dynamic:true
代表可以有任意额外的字段。而dynamic:strict
代表严格模式,不允许其他额外字段,就比如mysql表结构都定了,然后你insert了一个不存在的字段,那就报错找不到字段了。
测试:
PUT /my_blog/_doc/1
{
"title" : "first article",
"content" : "xxxxxxx",
"tags" : {
"language" : "java c++ python"
}
}
结果:
{
"error" : {
"root_cause" : [
{
"type" : "strict_dynamic_mapping_exception",
"reason" : "mapping set to strict, dynamic introduction of [content] within [_doc] is not allowed"
}
],
"type" : "strict_dynamic_mapping_exception",
"reason" : "mapping set to strict, dynamic introduction of [content] within [_doc] is not allowed"
},
"status" : 400
}
不出意外的报错,由于是严格模式,不允许动态增加额外字段。
测试tags:
PUT /my_blog/_doc/1
{
"title" : "first article",
"tags" : {
"language" : "java c++ python",
"stars": 10000
}
}
结果:
{
"_index" : "my_blog",
"_type" : "_doc",
"_id" : "1",
"_version" : 1,
"result" : "created",
"_shards" : {
"total" : 2,
"successful" : 2,
"failed" : 0
},
"_seq_no" : 0,
"_primary_term" : 1
}
成功了,因为tags带有"dynamic": "true"属性,允许额外增加field。这就叫dynamic mapping。
更多的查看官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/dynamic-mapping.html
四、数据类型
4.1、列表
数据类型 | 举例 |
---|---|
long | 123456 |
double | 123.111 |
boolean | true false |
date | 2020-05-28 |
string/text | 字符串 |
integer/short/byte/float | 基本类型 |
binary | 二进制 |
range | 区间类型,比如:integer_range、float_range long_range、double_range、date_range |
Object | 单个JSON对象 |
Nested | JSON对象数组 |
为啥123456不是integer?因为es的mapping_type是由JSON分析器检测数据类型,而Json没有隐式类型转换(integer=>long or float=>double),所以dynamic mapping会选择一个比较宽的数据类型。
4.2、Object类型
PUT /blog/_doc/4
{
"tags" : {
"language" : "java c++ python",
"city" : "beijing",
"stars": 10000
},
"create_time": "2020-05-03",
"title": "third article",
"content": "xxxxxxxxxxxxxxxx",
"author_id": 123
}
tags就是object类型,里面包含三个字段:language、city、stars。
五、mapping总结
- 创建索引的时候ES会默认为我们创建他认为合适的mapping
- mapping其实可以粗糙理解成“表结构”,定义了数据类型等
- 不同的数据类型分词规则不同,string类型默认都是standard分词器,其他类型默认都不分词
- 可以提前手动创建index的mapping,进行自定义对每个field设置数据类型和分词器等等
- keyword这个属性很牛逼的,ES自动为我们生成的,因为string类型默认都是分词的,但是指定field.keyword去查的话就是精确匹配了
- 面向官方文档学习:https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html
微信公众号