ElasticSearch Mapping数据类型、主要参数一览

最新推荐文章于 2024-02-13 11:58:58 发布
最新推荐文章于 2024-02-13 11:58:58 发布
阅读量2k 收藏 4
点赞数 2
分类专栏： # Elasticsearch试炼 文章标签： elasticsearch 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_26125865/article/details/108431844
版权

文章目录

ElasticSearch 数据类型

类型一览表

一级分类二级分类具体类型使用
核心类型字符串类型string,text,keyword结构化搜索，全文文本搜索、聚合、排序等
整数类型integer,long,short,byte字段的长度越短，索引和搜索的效率越高。
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

文本类型

text 全文类型

  • description
    用于索引全文值的字段。使用文本数据类型的字段，它们会被分词，在索引之前将字符串转换为单个术语的列表(倒排索引)，分词过程允许ES搜索每个全文字段中的单个单词。文本字段不用于排序，很少用于聚合（重要的术语聚合是一个例外）。什幺情况适合使用text datatype，只要不具备唯一性的字符串一般都可以使用text，例如：电子邮件正文，商品介绍，个人简介
  • parameter
  1. analyzer：指明该字段用于索引时和搜索时的分析字符串的分词器（使用search_analyzer可覆盖它）。 默认为索引分析器或标准分词器
  2. fielddata：指明该字段是否可以使用内存中的fielddata进行排序，聚合或脚本编写？默认值为false，可取值true或false。（排序，分组需要指定为true）
  3. fields：【多数类型】text类型字段会被分词搜索，不能用于排序，而当字段既要能通过分词搜索，又要能够排序，就要设置fields为keyword类型进行聚合排序。
  4. index：【是否被索引】设置该字段是否可以用于搜索。默认为true，表示可以用于搜索。
  5. search_analyzer：设置在搜索时，用于分析该字段的分析器，默认是【analyzer】参数的值。
  6. search_quote_analyzer：设置在遇到短语搜索时，用于分析该字段的分析器，默认是【search_analyzer】参数的值。
  7. index_options：【索引选项】用于控制在索引过程中哪些信息会被写入到倒排索引中
    • docs：只索引文档号到倒排索引中，但是并不会存储
    • freqs：文档号和关键词的出现频率会被索引，词频用于给文档进行评分，重复词的评分会高于单个次评分
    • positions：文档号、词频和关键词 term 的相对位置会被索引，相对位置可用于编辑距离计算和短语查询(不分词那种)
    • offsets：文档号、词频、关键词 term 的相对位置和该词的起始字符串偏移量

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I265lsjS-1599834691551)(en-resource://database/2637:1)]

首先创建 test_index 索引，设置其字段为全文类型，并设置其索引选项为 offsets ，即索引其偏移量

PUT test_index
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "index_options": "offsets"
      }
    }
  }
}

向 test_index 索引存储一条数据，该条文本会根据其默认的分词器 standard 分词器将其进行索引

PUT test_index/_doc/1
{
  "text": "Quick brown fox"
}

使用全文搜索 match 方法进行搜索，并高亮显示 text 属性，效果如下图，当然如果在Kibana的Discovery中会有高亮显示

GET test_index/_search
{
  "query": {
    "match": {
      "text": "brown fox"
    }
  },
  "highlight": {
    "fields": {
      "text": {}  // text 字段将会被高亮，如下图所示，因为其offsets已经被索引
    }
  }
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-c4eObRkI-1599834691556)(en-resource://database/4294:1)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5F9ontJs-1599834691561)(en-resource://database/2639:1)]

PUT test_index
{
    "mappings": {
        "properties": {
            "title":{
                "type": "text",
                "analyzer": "standard",
                "fielddata": true, # 全文类型聚合的话需要开启这个字段
                "fields": {
                    "sort":{
                        "type": "keyword"
                    }
                },
                "index": true,
                "search_analyzer": "standard"
            }
        }
    }
}

#插入两条数据，测试一下
 PUT test_index/_doc/1
 {"title": "York"}
 PUT test_index/_doc/2
 {"title": "NEW York"}


#查询测试
GET test_index/_search
{
    "query": {
        "match": {
            "title": "york"
        }
    },
    "sort": {
        "title.sort": "asc"
    }
}

keyword 关键字数据类型

keyword datatype，关键字数据类型，用于索引结构化内容的字段。使用keyword类型的字段，其不会被分析，给什幺值就原封不动地按照这个值索引，所以关键字字段只能按其确切值进行搜索，通常用于过滤、排序和聚合。什幺情况下使用keyword datatype，具有唯一性的字符串，例如：电子邮件地址、MAC地址、身份证号、状态代码…

  1. eager_global_ordinals：指明该字段是否加载全局序数？默认为false，不加载。 对于经常用于术语聚合的字段，启用此功能是个好主意。
  2. fields：指明能以不同的方式索引该字段相同的字符串值，例如用于搜索的一个字段和用于排序和聚合的多字段
  3. ignore_above：不要索引长于此值的任何字符串。默认为2147483647，以便接受所有值
  4. index：指明该字段是否可以被搜索，默认为true，表示可以被搜索
  5. index_options：指定该字段应将哪些信息存储在索引中，以便用于评分。默认为docs，但也可以设置为freqs，这样可以在计算分数时考虑术语频率
  6. norms：在进行查询评分时，是否需要考虑字段长度，默认为false，不考虑
  7. ignore_above：默认值是256，该参数的意思是，当字段文本的长度大于指定值时，不会被索引，但是会存储。即当字段文本的长度大于指定值时，聚合、全文搜索都查不到这条数据。ignore_above 最大值是 32766 ，但是要根据场景来设置，比如说中文最大值 应该是设定在10922 。

    ignore_above背后的含义：Lucene对一个文本长度进行解析，当这个长度大于32766时，将不会进行analye行为。elasticsearch中采用字符个数来定义ignore_above值，而 Lucene 是采用byte字节。

    • 象形文字字符(中文、韩文、日文): 10922 个字符(算法是: 32766 / 3).
    • Literal字符(印度问、俄文): 16383 个字符(算法是: 32766 / 2).
    • ASCII字符(a-zA-Z0-9以及~!@#$等特殊字符): 32766个字符(算法是: 32766).
PUT test_index
{
   "mappings": {
       "properties": {
           "title":{
               "type": "keyword",
               "eager_global_ordinals": true,
               "fields": {
                   "sort":{
                       "type":"text"
                   }
               },
               "ignore_above": 1024,
               "index": true,
               "index_options": "freqs",
               "norms": true
           }
       }
   }
}

数字类型

ES支持的数字类型有整型数字类型，integer类型、long类型、short类型、byte类型。浮点型数字类型 double类型、 float类型、 half_float类型、 scaled_float类型这类数据类型都是以确切值索引的，可以使用term查询精确匹配。

  • long带符号的64位整数，最小值-263，最大值263-1
  • integer带符号的32位整数，最小值-231，最大值231^-1
  • short带符号的16位整数，最小值-32768，最大值32767
  • byte带符号的8位整数，最小值-128，最小值127
  • double双精度64位IEEE 754 浮点数
  • float单精度32位IEEE 754 浮点数
  • half_float半精度16位IEEE 754 浮点数
  • scaled_float带有缩放因子的缩放类型浮点数，依靠一个long数字类型通过一个固定的(double类型)缩放因数进行缩放.
PUT test_index
{
    "mappings": {
        "properties": {
            "number1":{
                "type": "long"
            },
            "number2":{
                "type": "integer"
            },
            "number3":{
                "type": "short"
            },
            "number4":{
                "type": "byte"
            },
            "number5":{
                "type": "double"
            },
            "number6":{
                "type": "float"
            },
            "number7":{
                "type": "half_float"
            },
            "number8":{
                "type": "scaled_float",
                "scaling_factor": 100 #缩放因子为100，是一个浮点数
            }
        }
    }
}

parameter

  1. coerce：是否尝试将字符串转换为整数并截断整数的分数，默认为true，接受一个boolean值
  2. boost：
  3. doc_values：是否将该字段以逐列的方式存储在磁盘上，用于聚合和排序，默认true
  4. store：字段是否与_source元数据分开存储
  5. meta：关于字段的元数据，附加到字段上
  6. ignore_malformed：如果为true，则忽略格式错误的数字；如果为false则格式错误的数字会抛出异常并拒绝整个文档，默认false
  7. index：指明该字段是否被搜索。默认为true，表示可以被搜索
  8. null_value：指明一个与该字段相同类型的值去替换掉该字段中的null。默认为null，表示该字段被视为缺失
  9. scaled_float类型接受一个附加参数scaling_factor

浮点型数据类型(double、float、half_float)，认为-0.0和0.0是不同的值。这意味着在-0.0上进行查询(match or term)匹配不到0.0，反之亦然；范围查询也是如此：如果上限为-0.0则0.0将不匹配，如果下限为0.0则-0.0将不匹配。

整数类型（byte，short，integer和long），要选择满足实际需求的最小类型，这有助于索引和搜索。但请注意：ES存储数据是根据存储的实际值进行优化的，因此选择一种类型而不是另一种类型，将不会影响存储要求。

scaled_float类型需要注意：
scaled_float类型需要格外注意：必须指定缩放因子scaling_factor。
ES索引时，原始值会乘以该缩放因子并四舍五入得到新值，ES内部储存的是这个新值，但返回结果仍是原始值。
例如：scale_factor为10，ES在索引时，的scaled_float字段将在内部存储2.34为23，
查询时，ES都会将查询参数x10再四舍五入得到的值与23匹配，若能匹配到返回结果为2.34

# 先创建一个缩放的索引
PUT test_index?pretty
{
  "mappings": {
    "properties": {
      "scaled_numeric": {
        "type": "scaled_float",
        "scaling_factor": 100
      }
    }
  }
}

#添加两条数据

#21.2121*100四舍五入得到2121储存结果
#21.2155*100四舍五入得到2122储存结果
POST test_index/_doc
{
  "scaled_numeric": 21.2121
}
POST test_index/_doc
{
  "scaled_numeric": 21.2155
}
#查询测试
#21.2133*100四舍五入得到2121匹配上面插入的_id=1的数据
#21.2199*100四舍五入得到2122匹配上面插入的_id=2的数据
GET test_index/_search
{
  "query": {
    "match": {
      "number8": 21.2133
    }
  }
}
GET test_index/_search
{
  "query": {
    "match": {
      "number8": 21.2199
    }
  }
}

日期类型

日期数据类型。
由于JSON中没有表示日期的数据类型，所以ES中的日期可以表示为:

日期格式化后的字符串，如：”2018-01-01″或”2018/01/01 11:11:11″
long类型值表示自纪元以来的毫秒数
integer类型值表示自纪元以来的秒数
如果指定了时区，ES将日期转换为UTC，然后再存储为自纪元以来的毫秒数(long类型)。
当字段被设置为date类型时，可以自定义日期格式，但如果未指定格式，则使用默认格式：”strict_date_optional_time||epoch_millis”
若未指定自定义日期格式，在保存日期的时候容易出错。若未指定日期格式，ES采用默认日期格式：严格日期格式或者时间戳，
例如:

2020-01-01 —- yes
2020/01/01 —- no
2020-01-1 —- no
1577808000000 —- yes
在使用date类型字段进行排序时，返回的排序值都是以毫秒为单位

parameter

  1. format：自定义的日期格式，默认：strict_date_optional_time || epoch_millis
  2. ignore_malformed：若为true，则忽略格式错误的数字；若为false，则格式错误的数字会抛出异常并拒绝整个文档。默认false
  3. index：指明该字段是否可以被搜索，true为可以，默认true
  4. null_value：接受其中一个配置格式的日期值作为替换任何显式空值的字段。默认为null，表示该字段被视为缺失
PUT test_index
{
  "mappings": {
    "properties": {
      "date1": {
        "type": "date"
      },
      "date2": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss"
      },
      "date3": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy/MM/dd||epoch_millis"
      }
    }
  }
}
#添加2条数据
POST test_index/_doc
{
  "dateTimeFormat": "2015-01-01 12:10:30"
}


PUT test_index/_doc/1
{
  "date1": 1577808000000,
  "date2": "2020-01-01 00:00:00",
  "date3": "2020/01/01"
}
PUT test_index/_doc/2
{
  "date1": 1577808000001,
  "date2": "2020-01-01 00:00:01",
  "date3": "2020/01/01"
}
#查询测试
GET test_index/_search
{
  "sort": [
    {
      "date2": {
        "order": "desc"
      }
    }
  ]
}

范围类型

范围数据类型。具有大小关系的一个值区间，所以会用到gt、gte、lt、lte…等逻辑表示符。
ES支持下面6种范围数据类型

integer_range，带符号的32位整数区间，最小值-231，最大值231-1
long_range，带符号的64位整数区间，最小值-263，最小值263-1
float_range，单精度32位IEEE 754浮点数区间
double_range，双精度64位IEEE 754浮点数区间
date_range，日期值范围，表示为系统纪元以来经过的无符号64位整数毫秒
ip_range，支持IPv4或IPv6（或混合）地址ip值范围

PUT test_index
{
  "mappings": {
    "properties": {
      "data1": {
        "type": "integer_range"
      },
      "data2": {
        "type": "float_range"
      },
      "data3": {
        "type": "date_range",
        "format": "yyyy-MM-dd HH:mm:ss"
      },
      "data4": {
        "type": "ip_range"
      }
    }
  }
}

开始添加数据

PUT test_index/_doc/1
{
  "date1": {
    "gte": 100,
    "lte": 200
  },
  "date2": {
    "gte": 21.21,
    "lte": 22
  },
  "date3": {
    "gte": "2020-01-01 00:00:00",
    "lte": "2020-01-02 00:00:00"
  },
  "date4": {
    "gte": "192.168.192.10",
    "lte": "192.168.192.11"
  }
}

查询测试

GET test_index/_search

数组类型

数组类型。默认情况下，任何字段都可以包含零个或多个值，当包含多个值时，它就表示array datatype了。但是，数组中的所有值必须具有相同的数据类型(要幺同为字符串，要幺同为整型，不能数组中一些值为字符串，另一些值为整型)

当数组里面放的是对象(object datatype)，即对象数组时，要改为使用nested datatype。

在动态添加字段时，ES从数组中的第一个值确定字段类型，所有后续值必须具有相同的数据类型，或者必须至少可以将后续值强制转换为相同的数据类型。

使用array datatype，不需要预先配置，它们是开箱即用的。(不像整型，它需要手动定义type: “integer”)

使用_mapping查看索引的映射类型时，array datatype不会被写出来，还是以数组的元素的基本类型来表示。

PUT test_index
{
  "mappings": {
    "properties": {
      "data1": {
        "type": "long"
      },
      "data2": {
        "type": "text"
      }
    }
  }
}
#添加数据
PUT test_index/_doc/1
{
  "date1": [
    1,
    2,
    3
  ],
  "date2": [
    "a",
    "b",
    "c"
  ]
}
#查询测试
GET test_index/_search

对象类型

即对象类型。一个文档的一个属性可以是一个内部对象，而且，这个内部对象，可以再包含一个内部对象…(可以有多层嵌套)

整个外部文档是一个JSON对象
在ES内部，这种文档会被索引成一种简单平坦的键值对列表(平铺)

PUT test_index
{
  "mappings": {
    "properties": {
      "persion": {
        "type": "object"
      }
    }
  }
}

PUT test_index/_doc/1
{
  "persion": [
    {
      "first": "li",
      "last": "si"
    },
    {
      "first": "李",
      "last": "四"
    }
  ]
}
PUT test_index/_doc/2
{
  "persion": [
    {
      "first": "li",
      "last": "四"
    },
    {
      "first": "李",
      "last": "si"
    }
  ]
}
#查询测试1
GET test_index/_search
无法做到对象中数组独立索引和查询

#查询测试
GET test_index/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "persion.first": "li"
          }
        },
        {
          "match": {
            "persion.last": "si"
          }
        }
      ]
    }
  }
}

出现问题，不正确的匹配。使用nested嵌套对象类型解决

原因：对象类型里的数组类型会将字段平铺为多值字段，因此 li si 之间的关联关系会消失，会将上面的文档转换成如下格式:

{
persion.first:["li 李"]
persion.last:["四 si"]
}

嵌套对象类型

嵌套数据类型，是object datatype的专用版本，在文档属性是一个对象数组时使用，它允许对象数组彼此独立地编制索引和查询

PUT test_index
{
  "mappings": {
    "properties": {
      "persion": {
        "type": "nested"
      }
    }
  }
}
#添加数据
PUT test_index/_doc/1
{
  "persion": [
    {
      "first": "li",
      "last": "si"
    },
    {
      "first": "李",
      "last": "四"
    }
  ]
}
PUT test_index/_doc/2
{
  "persion": [
    {
      "first": "li",
      "last": "四"
    },
    {
      "first": "李",
      "last": "si"
    }
  ]
}
#查询测试
GET test_index/_search
{
  "query": {
    "nested": {
      "path": "persion",
      "query": {
        "bool": {
          "must": [
            {
              "match": {
                "persion.first": "li"
              }
            },
            {
              "match": {
                "persion.last": "si"
              }
            }
          ]
        }
      }
    }
  }
}

地理类型

地址位置数据类型，可以用来表示经纬度。

PUT test_index
{
  "mappings": {
    "properties": {
      "add": {
        "type": "geo_point"
      }
    }
  }
}

地理点表示为一个对象，lat属性表示维度，lon属性表示经度

PUT test_index/_doc/1
{
  "add": {
    "lat": 22.22,
    "lon": -22.22
  }
}

地理点表示为一个字符串，格式为：”lat，lon”

PUT test_index/_doc/2
{
"add": "22.22,-22.22"
}

地理点表示为一个geohash字符串

PUT test_index/_doc/3
{
"add": "eebnqm5bukpn"
}

地理点表示为一个数组，格式为[lon,lat]，注意经纬度顺序字符串标识相反

PUT test_index/_doc/4
{
  "add": [
    -22.22,
    22.22
  ]
}

参考资料

ignore_above：https://www.jianshu.com/p/4e336b760070

喜马拉雅以南
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Elasticsearch Arrays datatype 数组数据类型
wei_bo_cai的博客
08-11 755
Elasticsearch Arrays datatype 数组数据类型
[elasticsearch笔记] mapping-data type1
weixin_43834662的博客
07-30 198
demo # # 最开始，type被类比成数据库的table，但是lucene底层对于同一index下面相同的field（type不同）必须是要同种类型，即lucene底层会把index下所有相同的field一致对待。 # 多个type不利于数据压缩 # 全文检索中用于计分的词条统计会更精准 # PUT my_index { "mappings": { "properties": {...
ElasticSearch官方测试数据
09-14
ElasticSearch官方测试数据
深入理解Elasticsearch的索引映射(mapping)
码到三十五
02-13 3279
当我们谈论Elasticsearch时，索引映射是一个核心概念，它定义了如何存储和检索数据。在Elasticsearch 7.6及更高版本中，映射提供了一系列强大的功能，使您能够精确地控制数据的结构和行为。本文将详细介绍映射的关键属性、用途以及如何正确设置和优化它。
Elasticsearch Mapping类型映射概述与元字段类型
中间件兴趣圈
11-26 3303
Mapping,映射，相当于关系型数据库创建语句，定义文档字段及其类型、索引与存储方式。通常会涉及如下方面： 文档中哪些字段需要定义成全文索引字段。 文档中哪些字段定义为精确值，例如日期，数字、地理位置等。 文档中哪些字段需要被索引（能通过该字段的值查询文档）。 日期值的格式。 动态添加字段的规则定义等。 1、类型映射概述 1.1 映射类型 Elasticsearch支持meta-fields...
Elasticsearch：Flattened 数据类型映射
Elastic 中国社区官方博客
10-09 2708
​ 在本文中，我们将了解为了更好地处理包含大量或未知数量字段的文档而引入的 Elasticsearch 扁平化数据类型（flattened datatype）。默认情况下，Elasticsearch 会在提取文档时自动映射文档中包含的字段。 虽然这是开始使用 Elasticsearch 的最简单方法，但随着时间的推移，它往往会导致字段爆炸，并且 Elasticsearch 的性能将受到 “内存不足（out of memory）” 错误和索引和查询数据时性能不佳的影响。
Elasticsearch 入门到精通-（Mapping数据类型）
11-17 1275
Elasticsearch数据类型
arcgis-elasticSearch-es-矢量数据导入插件-数据建模-mapping-indexsetting-字段映射
06-29
arcgis elasticSearch es 矢量数据导入插件 数据建模 mapping indexsetting 字段映射 索引建模支持geoshape、shape，text索引支持keyword/ngram/edgeNgram/ikSmart，快速导入，兼容multipolygon，带洞，多面，使用时...
一款基于Java注解的elasticsearch mapping生成工具，支持ES 5.2.0所有可选参数.zip
最新发布
03-24
在现代数据处理和分析领域，Elasticsearch（ES）扮演着至关重要的角色，它是一个开源的、分布式搜索引擎，适用于实时数据分析和全文检索。随着版本的不断更新，Elasticsearch提供了更丰富的功能和优化，5.2.0版本便...
ElasticSearch Mapping
01-07
4）Mapping 类型的自动识别 5）通过设置dynamic控制Dynamic Mapping 6） 能否修改Mapping字段的类型 二、Demo 7）常规Mapping添加删除 #写入文档，查看 Mapping PUT mapping_test/_doc/1 { firstName:
ElasticSearch 唐诗宋词 30万+数据
11-04
**Elasticsearch（ES）是当今最流行的全文搜索引擎之一，尤其在大数据分析和实时搜索领域应用广泛。本文将深入探讨如何使用Elasticsearch处理唐诗宋词30万+的数据集，包括数据结构映射（mapping）、数据导入以及索引...
ElasticSearch之类型映射_mapping
spirit_8023的博客
06-29 395
_mappings、_analyze
ElasticSearch入门 第六篇：复合数据类型——数组，对象和嵌套
albh81462的博客
05-05 6185
这是ElasticSearch 2.4 版本系列的第六篇： ElasticSearch入门 第一篇：Windows下安装ElasticSearch ElasticSearch入门 第二篇：集群配置 ElasticSearch入门 第三篇：索引 ElasticSearch入门 第四篇：使用C#添加和更新文档 ElasticSearch入门 第五篇：使用C#查询文档 Elas...
Elasticsearch数据类型和mapping
幻神舞的专栏
11-19 1871
文章目录说明分享资料字段类型各类型说明字符串数值型浮点型范围数值类型时间类型binary类型array类型object类型ip类型mapping属性enabledindexindex_option_sourcenormsalldoc_valuefielddatastorecoercemultifieldsdynamicdata_detectionanalyzerboostfieldsignore_aboveinclude_in_allnull_valueposition_increament_gapsear
Elasticsearch整理之Field datatype
Interstellar_的博客
08-02 2096
一、Field datatype 1.  text类型 ES的新版本不再支持string，而是将string分为text和keyword。 text 数据类型被用来索引长文本，比如说电子邮件的主体部分或者一款产品的介绍。这些文本会被分析，在建立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来检索这些词语。text 数据类型不能用来排序和聚合。 2. keyword类型 ...
ElasticSearch 中 FieldType 详解
书启鸿蒙知秋枫
05-10 1036
date 、float、long都是不能够被拆分的
ElasticSearch-Mapping详解
抽象的螺旋
11-19 1739
elastic
Java ElasticSearch：（五）ElasticSearch 中的 mapping 问题
地球村
09-27 1134
ElasticSearch 中的 mapping 问题1.mapping 核心数据类型2.dynamic mapping 对字段的类型分配3.查看索引 mapping4.custom mapping4.1 创建索引时指定 mapping4.2 为已有索引添加新的字段 mapping4.3 测试不同的字段的分词器 Mapping 在 ElasticSearch 中是非常重要的一个概念。决定了一个 index 中的 field 使用什么数据格式存储，使用什么分词器解析，是否有子字段等。 Mapping 决定了
elasticsearch篇之mapping
热门推荐
lyzkks的博客
05-17 4万+
什么是mapping mapping是类似于数据库中的表结构定义，主要作用如下： 定义index下的字段名 定义字段类型，比如数值型、浮点型、布尔型等 定义倒排索引相关的设置，比如是否索引、记录position等 查看mapping GET /[index_name]/_mapping 其中 keyword表示部分次的字符串类型 自定义mapping ...
Elasticsearch es Mapping
05-26
Elasticsearch Mapping 是指索引（index）中的字段映射（mapping），它定义了文档中每个字段的数据类型和如何存储数据。Mapping 是 Elasticsearch 中非常重要的概念，因为它定义了如何解析和索引文档。 在 Elasticsearch 中，Mapping 分为两种类型：静态 Mapping 和动态 Mapping。 静态 Mapping 是在创建索引时定义的，它指定了所有字段的数据类型和属性。一旦创建了索引，静态 Mapping 就不能再更改。如果想要更改 Mapping，就需要重新创建索引，这会导致数据丢失。 动态 Mapping 是在索引文档时自动创建的，它会根据文档中的字段自动推断数据类型和属性。如果 Elasticsearch 发现一个新的字段，它会自动将其添加到 Mapping 中，并根据字段的数据类型进行设置。 Mapping 有助于优化搜索性能和提高搜索准确性。正确定义 Mapping 可以使 Elasticsearch 更好地理解文档中的数据，从而更好地执行搜索操作。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

喜马拉雅以南

奶茶，干杯？！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值