ElasticSearch 实战：ES的数据类型 (text、keyword、date、object、geo等)

Elasticsearch 支持多种数据类型以适应不同场景的需求。以下是一些常见的数据类型及其应用场景：

1. Text

   • 用途: 用于全文本搜索和分析。
   • 特点: 文本类型的数据会经过分析器（Analyzer）处理，将其分解成词语（tokens），然后索引这些词语以便进行全文搜索。text 类型字段适合用于博客文章、产品描述等长文本内容的搜索。

   "description": {
     "type": "text",
     "analyzer": "standard" // 或者使用其他自定义分析器
   }
   

2. Keyword

   • 用途: 用于精确值匹配、排序、聚合等操作。
   • 特点: 关键词类型的数据不会被分析，而是作为一个整体进行索引。这对于身份证号、电子邮件地址、标签、类别名等需要完整匹配的场景非常有用。

   "product_id": {
     "type": "keyword"
   }
   

3. Date

   • 用途: 存储和搜索日期/时间值。
   • 特点: Elasticsearch 提供了丰富的日期格式支持，并且日期字段可以进行范围查询、排序和聚合。

   "created_at": {
     "type": "date",
     "format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ" // 或其他日期格式
   }
   

4. Object

   • 用途: 存储嵌套的对象结构，比如用户地址信息、关联的评论列表等。
   • 特点: 对象可以包含多个子字段，这些字段可以是任何其他类型，包括其他的对象类型。

   "address": {
     "type": "object",
     "properties": {
       "street": {
         "type": "text"
       },
       "city": {
         "type": "text"
       },
       "country": {
         "type": "keyword"
       }
     }
   }
   

5. Nested

   • 用途: 用于存储可独立检索和聚合的嵌套对象数组。
   • 特点: 与对象类型相似，但提供更高级的功能，使得数组中的每个对象都能单独索引和查询。

   "orders": {
     "type": "nested",
     "properties": {
       "order_id": {
         "type": "keyword"
       },
       "items": {
         "type": "object",
         "properties": {
           "item_name": {
             "type": "text"
           },
           "quantity": {
             "type": "integer"
           }
         }
       }
     }
   }
   

6. Geo Point

   • 用途: 存储地理坐标点，可用于地理位置相关的搜索、过滤和聚合。
   • 特点: 可以表示经纬度坐标，支持距离搜索、边界框搜索等。

   "location": {
     "type": "geo_point"
   }
   

7. Geo Shape

   • 用途: 存储地理形状，如多边形、线段等，用于复杂的地理空间查询。
   • 特点: 支持多种几何形状，可以用来做更复杂的地理区域匹配。

8. 数值类型（Numeric Types）:

   • long, integer, short, byte, double, float, half_float, scaled_float 等，用于存储数值数据，适用于排序、范围查询和统计聚合。

实战中，选择正确的数据类型至关重要，因为这不仅影响数据的索引效率、存储大小，也直接影响到能否正确执行查询和聚合操作。在创建索引时，应该根据具体业务需求和数据特点来制定恰当的映射（mapping）。