Elasticsearch到底为什么需要Mapping？一共包含哪些部分？使用场景是什么？底层原理是什么？

1. 为什么需要 Mapping？

(1) 核心原因

• 告诉 Elasticsearch 怎么处理数据：
  比如，“这个字段是数字？还是文字？需要分词吗？”

  • 如果字段是“价格”，应该用数字类型（方便排序和计算）。
  • 如果字段是“标题”，需要分词才能支持全文搜索（比如“小王子”会被拆分成“小”、“王”、“子”）。

• 避免自动推断的错误：
  如果不指定 Mapping，Elasticsearch 会自动猜测字段类型，但可能不准确。

  • 比如，“123”可能是数字，也可能是字符串（比如订单号“ORD123”）。

---

(2) Mapping 包含哪些部分？

1. 字段类型（Field Types）

   • text：用于全文搜索（如文章内容）。
   • keyword：用于精确匹配（如分类名称）。
   • integer：整数类型（如年份）。
   • date：日期类型（如“2023-10-01”）。

2. 字段参数（Field Parameters）

   • store：是否存储原始值（默认不存储，节省空间）。
   • index：是否建立索引（不建立索引的字段无法搜索）。
   • analyzer：分词器（如中文分词用 ik_max_word）。

3. 映射参数（Mapping Parameters）

   • dynamic：是否自动添加新字段（默认允许）。
   • dynamic_templates：为未知字段设置默认类型。

---

(3) 使用场景

• 电商商品搜索：

  • title 字段用 text 类型（支持“小王子”搜索）。
  • price 字段用 integer 类型（支持价格过滤）。
  • category 字段用 keyword 类型（精确匹配“小说”分类）。

• 日志分析：

  • timestamp 用 date 类型（按时间排序）。
  • error_message 用 text 类型（支持模糊搜索错误原因）。

---

(4) 底层原理

Mapping 是 Elasticsearch 的“数据处理说明书”：

1. 分词（Tokenization）：

   • text 字段会被拆分成单词（如“小王子” → [小, 王, 子]）。
   • keyword 字段不会拆分（保持完整，如“小说” → ["小说"]）。

2. 倒排索引构建：

   • 根据字段类型，Elasticsearch 会为每个单词生成“文档列表”。
   • 例如，搜索“小王子”会快速找到所有包含“小”、“王”、“子”的文档。

---

2. 流程图

以下是 Mapping 的作用流程：

+-------------------+
| 用户定义 Mapping  |  （指定字段类型）
+-------------------+
         |
         v
+-------------------+
| Elasticsearch     |  （根据 Mapping 处理数据）
| 服务器            |
+-------------------+
         |
         v
+-------------------+
| 分词和索引构建    |  （如 text → 拆分单词，keyword → 保持原样）
+-------------------+
         |
         v
+-------------------+
| 返回搜索结果      |  （基于 Mapping 的类型匹配）
+-------------------+

---

3. 概念图

以下是 Mapping 的核心概念：

+-------------------+
| Elasticsearch     |
| Mapping           |
+-------------------+
         |
         v
+-------------------+
| 字段类型          |  （text、keyword、integer等）
+-------------------+
         |
         v
+-------------------+
| 字段参数          |  （是否存储、是否分词）
+-------------------+
         |
         v
+-------------------+
| 动态映射          |  （自动处理未知字段）
+-------------------+

---

4. UML 类图

以下是简化后的 UML 类图：

+-------------------+
| Index             |
+-------------------+
| - mappings: Map   |  （所有字段的类型和参数）
+-------------------+

+-------------------+
| Field             |
+-------------------+
| - type: string    |  （text、keyword等）
| - parameters: Map |  （store、index等）
+-------------------+

---

5. 思维导图

以下是 Mapping 的思维导图：

+-------------------+
| Elasticsearch     |
| Mapping           |
+-------------------+
| + 核心功能        |
|   + 定义字段类型  |
|   + 控制分词      |
| + 高级设置        |
|   + 存储原始值    |
|   + 自动映射      |
+-------------------+

---

6. 实例代码（PHP 定义 Mapping）

以下是 PHP 代码示例，创建一个带有 Mapping 的索引：

<?php

// 1. 安装 Elasticsearch 客户端库（需要先执行：composer require elasticsearch）
require 'vendor/autoload.php';

// 2. 创建客户端连接到服务器
use Elasticsearch\ClientBuilder;

$client = ClientBuilder::create()
    ->setHosts(['http://localhost:9200'])
    ->build();

// 3. 定义索引的 Mapping（像给积木说明书）
$params = [
    'index' => 'book_index', // 索引名称
    'body' => [
        'mappings' => [ // 映射定义
            'properties' => [
                'title' => ['type' => 'text'], // 文本类型，支持全文搜索
                'author' => ['type' => 'keyword'], // 关键字类型，精确匹配
                'year' => ['type' => 'integer'], // 整数类型，支持排序和计算
                'price' => [
                    'type' => 'float', // 浮点数类型（如价格 19.99）
                    'store' => true // 存储原始值（查询时直接返回）
                ],
                'tags' => [ // 数组类型
                    'type' => 'keyword', // 数组中的每个元素是关键字
                    'ignore_above' => 20 // 忽略超过20个字符的标签
                ]
            ]
        ]
    ]
];

// 4. 创建索引
$response = $client->indices()->create($params);
print_r($response); // 输出结果，确认创建成功

// 5. 插入文档测试
$client->index([
    'index' => 'book_index',
    'id' => '1',
    'body' => [
        'title' => '小王子',
        'author' => '圣埃克苏佩里',
        'year' => 1943,
        'price' => 29.99,
        'tags' => ['童话', '经典']
    ]
]);

// 6. 查询测试（验证 Mapping 的效果）
$searchParams = [
    'index' => 'book_index',
    'body' => [
        'query' => [
            'bool' => [
                'must' => [
                    ['match' => ['title' => '王子']], // 搜索包含“王子”的书（text字段支持分词）
                    ['term' => ['tags' => '童话']] // 精确匹配标签“童话”（keyword类型）
                ]
            ]
        ]
    ]
];
$searchResult = $client->search($searchParams);
print_r($searchResult);

---

代码注释详细解释

第 3 步：定义 Mapping

'title' => ['type' => 'text'],

1. 作用：将 title 字段定义为 text 类型，支持全文搜索。
2. 为什么这么写：text 类型会自动分词（如“小王子” → “小”、“王”、“子”），方便模糊匹配。
3. 知识点：Elasticsearch 的 字段类型。

'author' => ['type' => 'keyword'],

1. 作用：将 author 字段定义为 keyword 类型，用于精确匹配。
2. 为什么这么写：作者名称需要精确查找（如“圣埃克苏佩里”必须完全匹配）。
3. 知识点：keyword 类型的不可分词特性。

'price' => ['type' => 'float', 'store' => true],

1. 作用：定义 price 为浮点数，并存储原始值。
2. 为什么这么写：store 为 true 时，查询结果会直接返回原始价格值。
3. 知识点：字段的 store 参数。

第 6 步：查询测试

'match' => ['title' => '王子']

1. 作用：搜索 title 中包含“王子”（分词后的“王”或“子”均可匹配）。
2. 为什么这么写：text 字段已分词，支持模糊搜索。
3. 知识点：match 查询的全文搜索特性。

'term' => ['tags' => '童话']

1. 作用：精确匹配 tags 中的“童话”标签。
2. 为什么这么写：tags 是 keyword 类型，term 查询精确匹配。
3. 知识点：term 查询与 keyword 类型的配合。

---

7. 总结

• Mapping 是数据的“说明书”：告诉 Elasticsearch 如何存储和搜索每个字段。
• 核心功能：定义字段类型、控制分词、优化查询性能。
• 底层原理：通过 Mapping 指导分词和倒排索引的构建，实现高效搜索。