ElasticSearch学习(二)-Document

常见术语

文档 Document:用户存储到es中的数据文档。类比数据库中表中的一条数据，是es中的最小单元。

索引 Index：由具有相同字段的文档列表组成。类比数据库中的表。

Document

Document 由 json Object 组成。每个字段可以指定类型。每个Document还包含元数据。

字段类型Field type

字段类型概述
一级分类	二级分类	具体类型
核心类型	字符串类型	text,keyword
整数类型	integer,long,short,byte
浮点类型	double,float,half_float,scaled_float
逻辑类型	boolean
日期类型	date
范围类型	range
二进制类型	binary
复合类型	数组类型	array
对象类型	object
嵌套类型	nested
地理类型	地理坐标类型	geo_point
地理地图	geo_shape
特殊类型	IP类型	ip
范围类型	completion
令牌计数类型	token_count
附件类型	attachment
抽取类型	percolator

text类型

当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合（termsAggregation除外）。

把full_name字段设为text类型的Mapping如下：

PUT my_index
{
   
  "mappings": {
   
    "my_type": {
   
      "properties": {
   
        "full_name": {
   
          "type":  "text"
        }
      }
    }
  }
}

keyword类型

keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通过精确值搜索到。

数字类型

对于数字类型，ELasticsearch支持以下几种。

类型	取值范围
long	-263至263-1
integer	-231至231-1
short	-32,768至32768
byte	-128至127
double	64位双精度IEEE 754浮点类型
float	32位单精度IEEE 754浮点类型
half_float	16位半精度IEEE 754浮点类型
scaled_float	缩放类型的的浮点数（比如价格只需要精确到分，price为57.34的字段缩放因子为100，存起来就是5734）

对于float、half_float和scaled_float,-0.0和+0.0是不同的值，使用term查询查找-0.0不会匹配+0.0，同样range查询中上边界是-0.0不会匹配+0.0，下边界是+0.0不会匹配-0.0。

对于数字类型的数据，选择以上数据类型的注意事项：

1. 在满足需求的情况下，尽可能选择范围小的数据类型。比如，某个字段的取值最大值不会超过100，那么选择byte类型即可。迄今为止吉尼斯记录的人类的年龄的最大值为134岁，对于年龄字段，short足矣。字段的长度越短，索引和搜索的效率越高。
2. 优先考虑使用带缩放因子的浮点类型。

例子：

PUT my_index
{
   
  "mappings": {
   
    "my_type": {
   
      "properties": {
   
        "number_of_bytes": {
   
          "type": "integer"
        },
        "time_in_seconds": {
   
          "type": "float"
        },
        "price": {
   
          "type": "scaled_float",
          "scaling_factor": 100
        }
      }
    }
  }
}

Object类型

JSON天生具有层级关系，文档会包含嵌套的对象：

PUT my_index/my_type/1
{
    
  "region": "US",
  "manager": {
    
    "age":     30,
    "name": {
    
      "first": "John",
      "last":  "Smith"
    }
  }
}

上面的文档中，整体是一个JSON，JSON中包含一个manager,manager又包含一个name。最终，文档会被索引成一平的key-value对：

{
   
  "region":             "US",
  "manager.age":        30,
  "manager.name.first": "John",
  "manager.name.last":  "Smith"

上面文档结构的Mapping如下：

PUT my_index
{
   
  "mappings": {
   
    "my_type": {
    
      "properties": {
   
        "region": {
   
          "type": "keyword"
        },
        "manager": {
    
          "properties": {
   
            "age":  {
    "type": "integer" },
            "name": {
    
              "properties": {
   
                "first": {
    "type": "text" },
                "last":  {
    "type": "text" }
              }
            }
          }
        }
      }
    }
  }
}

date类型

JSON中没有日期类型，所以在ELasticsearch中，日期类型可以是以下几种：

日期格式的字符串：e.g. “2015-01-01” or “2015/01/01 12:10:30”.

1. long类型的毫秒数( milliseconds-since-the-epoch)
2. integer的秒数(seconds-since-the-epoch)
3. 日期格式可以自定义，如果没有自定义，默认格式如下：

日期格式可以自定义，如果没有自定义，默认格式如下：

"strict_date_optional_time||epoch_millis"

例子:

PUT my_index
{
   
  "mappings": {
   
    "my_type": {
   
      "properties": {
   
        "date": {
   
          "type": "date" 
        }
      }
    }
  }
}
 
PUT my_index/my_type/1
{
    "date": "2015-01-01" } 
 
PUT my_index/my_type/2
{
    "date": "2015-01-01T12:10:30Z" } 
 
PUT my_index/my_type/3
{
    "date": 1420070400001 } 
 
GET my_index/_search
{
   
  "sort": {
    "date": "asc"} 
}

查看三个日期类型：

{
   
  "took": 0,
  "timed_out": false,
  "_shards": {
   
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
   
    "total": 3,
    "max_score": 1,
    "hits": [
      {
   
        "_index": "my_index",
        "_type": "my_type",
        "_id": "2",
        "_score": 1,
        "_source": {
   
          "date": "2015-01-01T12:10:30Z"
        }
      },
      {
   
        "_index": "my_index",
        "_type": "my_type",
        "_id": "1",
        "_score": 1,
        "_source": {
   
          "date": "2015-01-01"
        }
      },