深入学习ElasticSearch（四）——mapping的详细讲解

mapping的详细讲解

1、Mapping的简单介绍

mapping定义了type中的每个字段的数据类型以及这些字段如何分词等相关属性，mapping是elasticsearch中很重要的一个部分，之前文章中介绍的都是通过以下方式创建一个索引的

PUT person/student/1
{
  "name":"lihua",
  "age":18
}

然后我们用以下语句查看一下这个索引的mapping吧

GET person/_mapping

elasticsearch自动就创建了一个默认的mapping，这个mapping里面各个字段是什么意思呢？下面就来一一讲解。

{
  "person" : {
    "mappings" : {
      "student" : {   //这个student自然是类型名
        "properties" : {   //属性关键字，里面写定义字段的类型以及相关属性
          "age" : {   //字段的名字
            "type" : "long"    //类型名
          },
          "name" : {
            "type" : "text",
            "fields" : {   //fields属性
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          }
        }
      }
    }
  }
}

mapping的大概结构就是这样的，一个字段也可以有多个属性。下面就分成字段数据类型和支持属性两部分来讲解mapping

2、字段数据类型

(1)核心数据类型（Core datatypes）

字符型：string，string类型包括
text 和 keyword

text类型被用来索引长文本，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类型不能用来排序和聚合。

Keyword类型不需要进行分词，可以被用来检索过滤、排序和聚合。keyword 类型字段只能用本身来进行检索

数字型：long, integer, short, byte, double, float
日期型：date
布尔型：boolean
二进制型：binary

(2)复杂数据类型（Complex datatypes）

数组类型（Array datatype）：数组类型不需要专门指定数组元素的type，例如：
字符型数组: [ “one”, “two” ]
整型数组：[ 1, 2 ]
数组型数组：[ 1, [ 2, 3 ]] 等价于[ 1, 2, 3 ]
对象数组：[ { “name”: “Mary”, “age”: 12 }, { “name”: “John”, “age”: 10 }]
对象类型（Object datatype）：_ object _ 用于单个JSON对象；
嵌套类型（Nested datatype）：_ nested _ 用于JSON数组；

(3)地理位置类型（Geo datatypes）

地理坐标类型（Geo-point datatype）：_ geo_point _ 用于经纬度坐标；
地理形状类型（Geo-Shape datatype）：_ geo_shape _ 用于类似于多边形的复杂形状；

(4)特定类型（Specialised datatypes）

IPv4 类型（IPv4 datatype）：_ ip _ 用于IPv4 地址；
Completion 类型（Completion datatype）：_ completion 提供自动补全建议；
Token count 类型（Token count datatype）： token_count _ 用于统计做了标记的字段的index数目，该值会一直增加，不会因为过滤条件而减少。
mapper-murmur3
类型：通过插件，可以通过 _ murmur3 _ 来计算 index 的 hash 值；
附加类型（Attachment datatype）：采用 mapper-attachments
插件，可支持_ attachments _ 索引，例如 Microsoft Office 格式，Open Document 格式，ePub, HTML 等。

3、支持属性

“store”:false//是否单独设置此字段的是否存储而从_source字段中分离，默认是false，只能搜索，不能获取值

“index”: true//分词，不分词是：false ，设置成false，字段将不会被索引

“analyzer”:“ik”//指定分词器,默认分词器为standard analyzer

“boost”:1.23//字段级别的分数加权，默认值是1.0

“doc_values”:false//对not_analyzed字段，默认都是开启，分词字段不能使用，对排序和聚合能提升较大性能，节约内存

“fielddata”:{“format”:“disabled”}//针对分词字段，参与排序或聚合时能提高性能，不分词字段统一建议使用doc_value

“fields”:{“raw”:{“type”:“string”,“index”:“not_analyzed”}} //可以对一个字段提供多种索引模式，同一个字段的值，一个分词，一个不分词

“ignore_above”:100 //超过100个字符的文本，将会被忽略，不被索引

“include_in_all”:ture//设置是否此字段包含在_all字段中，默认是true，除非index设置成no选项

“index_options”:“docs”//4个可选参数docs（索引文档号） ,freqs（文档号+词频），positions（文档号+词频+位置，通常用来距离查询），offsets（文档号+词频+位置+偏移量，通常被使用在高亮字段）分词字段默认是position，其他的默认是docs

“norms”:{“enable”:true,“loading”:“lazy”}//分词字段默认配置，不分词字段：默认{“enable”:false}，存储长度因子和索引时boost，建议对需要参与评分字段使用 ，会额外增加内存消耗量

“null_value”:“NULL”//设置一些缺失字段的初始化值，只有string可以使用，分词字段的null值也会被分词

“position_increament_gap”:0//影响距离查询或近似查询，可以设置在多值字段的数据上火分词字段上，查询时可指定slop间隔，默认值是100

“search_analyzer”:“ik”//设置搜索时的分词器，默认跟ananlyzer是一致的，比如index时用standard+ngram，搜索时用standard用来完成自动提示功能

“similarity”:“BM25”//默认是TF/IDF算法，指定一个字段评分策略，仅仅对字符串型和分词类型有效

“term_vector”:“no”//默认不存储向量信息，支持参数yes（term存储），with_positions（term+位置）,with_offsets（term+偏移量），with_positions_offsets(term+位置+偏移量) 对快速高亮fast vector highlighter能提升性能，但开启又会加大索引体积，不适合大数据量用

4、常用mapping举例

关于项目中mapping的使用还是有不少坑的，因为mapping创建直接影响了查询，如果使用错误的mapping字段类型或者属性就会导致查询失败，所以mapping创建需要考虑各个方面。这里举一些比较实用的mapping创建实例。

(1)

PUT demo
{
  "mappings": {
    "demo_type":{
      "properties":{
        "name":{
          "type":"text"
        }
      }
    }
  }
}

如果mapping是这样的，那么这个name字段可以是单个字符，也可以是字符数组

(2)

//第一种mapping
PUT demo
{
  "mappings": {
    "demo_type":{
      "properties":{
        "name":{
          "type":"text"
        }
      }
    }
  }
}

//第二种mapping
PUT demo
{
  "mappings": {
    "demo_type": {
      "properties": {
        "name": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": "256"
            }
          }
        }
      }
    }
  }
}

这两个mapping的区别就是，如果name字段的值是li hua中间有空格，这时候使用第一种就查询不出来，使用第二种方法可以查询到。如果mapping是第一种，然后我这里有以下数据

然后我通过以下查询，我想只查询name为Demo的数据，但是不管怎么查询都做不到唯一显示name为Demo，这时候就需要使用第二种mapping，第二种mapping多了keyword，就能帮助我们实现精确唯一查询。

查询的时候也多加个keyword就可以查询到唯一的name为Demo了

(3)这里还需要补充一个动态映射

当ES在文档中碰到一个以前没见过的字段时，它会利用动态映射来决定该字段的类型，并自动地对该字段添加映射。
可以通过dynamic设置来控制这一行为，它能够接受以下的选项：
true：默认值。动态添加字段
false：忽略新字段
strict：如果碰到陌生字段，抛出异常

PUT demo
{
  "mappings": {
    "demo_type":{
      "dynamic":"true",
      "properties":{
        "name":{
          "type":"text"
        }
      }
    }
  }
}

这里mapping加了dynamic为true，则插入数据可以有name字段以外的字段出现，如下：

这时候多一个age字段是没有问题，可以成功插入，dynamic设置为false这个age字段会被忽略，为strict则抛出异常。

5、mapping的修改

这是最后一个我感觉比较重要的一点。关于mapping能不能修改的问题，我的回答是可以修改。但是并不是直接在原来的mapping的基础上直接修改，因为elasticsearch不允许直接修改mapping，但是我们还有别的办法可以间接修改mapping。具体如下：

POST _reindex
{
  "source": {
    "index": "myindex"
  },
  "dest": {
    "index": "demo"
  }
}

elasticsearch提供了以上的这样一个方法，这个的意思就是把索引myindex里面的数据转移到demo索引中，然后我们删除掉之前的myindex，然后重新建立一个myindex索引，这时候索引中的mapping就是我们修改后的mapping，再通过同样的方法把demo的数据再转移到新的myindex当中就完成间接的mapping修改了。（以上语句也可以应用于数据迁移，非常方便）

大概我能想起来的关于mapping的知识点就这些，后面如果我再想起来啥了，我再来补充这篇博客。到此mapping的知识点基本上就讲完了，下一篇我会详细讲解一些复杂查询，mapping和查询关联很大，可以结合两篇文章一起看。