Elasticsearch字段类型

        每个字段都有一个字段数据类型或字段类型。此类型指示字段包含的数据类型（如strings或boolean）及其预期用途。例如，可以将strings索引到text和keyword字段。但是，text字段值将被分析以进行全文搜索，而keyword字符串则保留原样以进行过滤和排序。

        字段类型按家庭分组。同一家庭中的类型支持相同的搜索功能，但可能具有不同的空间使用或性能特征。

        目前，唯一的类型家庭是keyword，它由keyword、constant_keyword和通配符(wildcard)字段类型组成。其他类型家庭只有一个字段类型。例如，布尔类型家庭包含一个字段类型：boolean。

普通的类型

binary ：编码为Base64字符串的二进制值。

boolean ：true 和 false。

Keywords ：关键字家庭，包括keyword、constant_keyword和wildcard。

Numbers ：数字类型，如long和double，用于表示金额。

Dates ：日期类型，包括date和date_nanos。

alias ：定义现有字段的别名。

对象和关系类型

object ：JSON object。

flattened ：将整个JSON对象作为单个字段值。

nested ：保留子字段之间关系的JSON对象。

join ：为同一索引中的文档定义父/子关系。

结构化数据类型

Range ：范围类型，例如long_range、double_range、date_range和ip_range。

ip ：IPv4 and IPv6 addresses。

version ：软件版本。支持语义版本控制优先规则。

murmur3 ：计算并存储散列值。

聚合数据类型

aggregate_metric_double ：预先聚合的度量值。

histogram ：以直方图形式预先聚集的数值。

文本查询类型

text ：经过分析的非结构化文本。

annotated-text ：包含特殊标记的文本。用于标识命名实体。

completion ：用于自动完成建议。

search_as_you_type ：像文本一样键入，以便键入时完成。

token_count ：文本中标记的计数。

文档排序类型

dense_vector ：记录浮点值的密集向量。

sparse_vector ：记录浮点值的稀疏向量。

rank_feature ：记录一个数字特征，以提高查询时的命中率。

rank_features ：记录数字特征以提高查询时的命中率。

空间数据类型

geo_point ：纬度和经度点。

geo_shape ：复杂形状，如多边形。

point ：任意笛卡尔点。

shape ：任意笛卡尔几何。

Arrays

在Elasticsearch中，数组不需要专用的字段数据类型。默认情况下，任何字段都可以包含零个或多个值，但是，数组中的所有值必须是相同的字段类型。

Multi-fields

为不同的目的以不同的方式索引同一字段通常很有用。例如，string字段可以映射为全文搜索的text字段，也可以映射为排序或聚合的keyword字段。或者，我们可以使用标准分析器、英语分析器和法语分析器索引文本字段。

这就是multi-fields的目的。大多数字段类型通过fields参数支持多个字段