1.Mapping基本概念
Mapping 也称之为映射,定义了 ES 的索引结构、字段类型、分词器等属性,是索引必不可少的组成部分。
ES 中的 mapping 有点类似与RDB中“表结构”的概念,在 MySQL 中,表结构里包含了字段名称,字段的类型还有索引信息等。在 Mapping 里也包含了一些属性,比如字段名称、类型、字段使用的分词器、是否评分、是否创建索引等属性,并且在ES中一个字段可以有对个类型。分词器、评分等概念在后面的课程讲解。- binary:Base64 字符串二进制值
- boolean:布尔类型,接收 ture 和 false 两个值
- alias:字段别名
2.查看索引 mapping
2.1查看完整 mapping
GET /index/_mappings
2.2查看指定字段 mapping
GET /index/_mappings/field/<field_name>
3. Elasticsearch的数据类型
3.1 数字类型
- long:64 位有符号整形
- integer:32 位有符号整形
- short:16 位有符号整形
- byte:8位有符号整形
- double:双精度 64位浮点类型
- float:单精度 64位浮点类型
- half_float:半精度 64位浮点类型
- scaled_float:缩放类型浮点数,按固定 double 比例因子缩放
- unsigned_long:无符号 64 位整数。
3.2 基本数据类型
- binary:Base64 字符串二进制值
- boolean:布尔类型,接收 ture 和 false 两个值
- alias:字段别名
3.3Keywords 类型
- keyword:适用于索引结构化的字段,可以用于过滤、排序、聚合。keyword类型的字段只能通过精确值搜索到。如 Id、姓名这类字段应使用 keyword
- constant_keyword:始终包含相同值的关键字字段
- wildcard:可针对类似 grep 的
3.4 Dates(时间类型)
date:JSON 没有日期数据类型,因此 Elasticsearch 中的日期可以是以下三种
包含格式化日期的字符串,例如 "2015-01-01"、 "2015/01/01 12:10:30"
时间戳,表示*自"1970年 1 月 1 日"以来的毫秒*数/秒数。
date_nanos:此数据类型是对 date 类型的补充。但是有一个重要区别。date 类型存储最高精度为毫秒,而date_nanos 类型存储日期最高精度是纳秒,但是高精度意味着可存储的日期范围小,即:从大约 1970 到 2262,因为日期仍存储为表示纳秒的长 自时代以来。
3.5 对象类型
object:非基本数据类型之外,默认的 json 对象为 object 类型。
flattened:单映射对象类型,其值为 json 对象。
nested ★:嵌套类型。
join:父子级关系类型。
3.6 空间数据类型
dense_vector:记录浮点值的密集向量。
rank_feature:记录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。
3.7 文档排名类型
dense_vector:记录浮点值的密集向量。
rank_feature:记录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。
3.8 文本搜索类型
text:文本类型
annotated-text:包含特殊文本 标记。用于标识命名实体。
completion★:用于自动补全,即搜索推荐
search_as_you_type:类似文本的字段,经过优化 为提供按类型完成的查询提供现成支持 用例
token_count:文本中的标记计数。
4. 两种映射类型
4.1 自动映射:Dynamic field mapping
4.1.1自动映射的关系
field type | dynamic |
true/false | boolean |
小数 | float |
数字 | long |
object | object |
数组 | 取决于数组中的第一个非空元素的类型 |
日期格式字符串 | date |
数字类型字符串 | float/long |
其他字符串 | text + keyword |
除了上述字段类型之外,其他类型都必须显示映射,也就是必须手工指定,因为其他类型ES无法自动识别。
4.2.2直接查询一个没有mapping的是查询不到的
4.2.3直接创建mapping直接就会成功,并且还能查到
4.2.4text类型会自动创建子字段,类型都是keyword,ignore_above表示字段长度超过256就会被忽略
4.2 显示映射 Expllcit field mapping
PUT /product
{
"mappings" : {
"properties" : {
"productyou" : {
"type" : "text"
},
"name":{
"type": "text",
"fields": {
"name-2":{
"type":"keyword",
"ignore_above" : 256
}
}
}
}
}
}
5、映射参数
index:是否对创建对当前字段创建倒排索引,默认 true,如果不创建索引,该字段不会通过索引被搜索到,但是仍然会在 source 元数据中展示
创建索引
PUT test_parms
{
"mappings": {
"properties": {
"test_index": {
"type": "text",
"index": false
}
}
}
}
放入数据
PUT test_parms/_doc/1
{
"test_index":"是否对创建对当前字段创建倒排索引,默认 true,如果不创建索引,该字段不会通过索引被搜索到,但是仍然会在 source 元数据中展示"
}
直接查询是可以查到数据的
GET test_parms/_search
通过索引查询就查不到了
GET test_parms/_search
{
"query": {
"match": {
"test_index": "是否对创建对当前字段创建倒排索引,默认 true,如果不创建索引,该字段不会通过索引被搜索到,但是仍然会在 source 元数据中展示"
}
}
}
analyzer:指定分词器(character filter、tokenizer、Token filters)。针对元数据
boost:对当前字段相关度的评分权重,默认1
coerce:是否允许强制类型转换 true “1”=> 1 false “1”=< 1
copy_to:该参数允许将多个字段的值复制到组字段中,然后可以将其作为单个字段进行查询
doc_values:为了提升排序和聚合效率,默认true,如果确定不需要对字段进行排序或聚合,也不需要通过脚本访问字段值,则可以禁用doc值以节省磁盘空间(不支持text和annotated_text)
dynamic:控制是否可以动态添加新字段
true 新检测到的字段将添加到映射中。(默认)
false新检测到的字段将被忽略。这些字段将不会被索引,因此将无法搜索,但仍会出现在_source返回的匹配项中。这些字段不会添加到映射中,必须显式添加新字段。
strict 如果检测到新字段,则会引发异常并拒绝文档。必须将新字段显式添加到映
eager_global_ordinals:用于聚合的字段上,优化聚合性能,但不适用于 Frozen indices。
Frozen indices(冻结索引):有些索引使用率很高,会被保存在内存中,有些使用率特别低,宁愿在使用的时候重新创建,在使用完毕后丢弃数据,Frozen indices 的数据命中频率小,不适用于高搜索负载,数据不会被保存在内存中,堆空间占用比普通索引少得多,Frozen indices是只读的,请求可能是秒级或者分钟级。
enable:是否创建倒排索引,可以对字段操作,也可以对索引操作,如果不创建索引,让然可以检索并在_source元数据中展示,谨慎使用,该状态无法修改。
PUT my_index
{
"mappings": {
"enabled": false
}
}
fielddata:查询时内存数据结构,在首次用当前字段聚合、排序或者在脚本中使用时,需要字段为fielddata数据结构,并且创建倒排索引保存到堆中
fields:给field创建多字段,用于不同目的(全文检索或者聚合分析排序)
format:格式化
"date": {
"type": "date",
"format": "yyyy-MM-dd"
}
ignore_above:超过长度将被忽略
ignore_malformed:忽略类型错误
-index_options:控制将哪些信息添加到反向索引中以进行搜索和突出显示。仅用于text字段
Index_phrases:提升 exact_value 查询速度,但是要消耗更多磁盘空间
index_prefixes**:前缀搜索
min_chars:前缀最小长度,> 0,默认 2(包含)
max_chars:前缀最大长度,< 20,默认 5(包含)
meta:附加元数据
normalizer:
norms:**是否禁用评分(在 filter 和聚合字段上应该禁用)。
null_value:为 null 值设置默认值
position_increment_gap:参考 [match_phrase 跨值查询中 position_increment_gap 参数用法](https://blog.csdn.net/wlei0618/article/details/128189190)
proterties:除了mapping还可用于object的属性设置
search_analyzer:设置单独的查询时分析器:用户输入的
similarity:为字段设置相关度算法,支持BM25、classic(TF-IDF)、boolean
store:设置字段是否仅查询
erm_vector:运维参数,会在进阶课程中深入讲解
6.Text 和 Keyword 类型
6.1概述
当一个字段是要被全文搜索的,比如 Email 内容、产品描述,这些字段应该使用 text 类型。设置 text 类型以后,字段内容会被分析,在生成倒排索引以前,字符串会被分析器分成一个一个词项。text类型的字段不用于排序,很少用于聚合。
6.2注意事项
- 适用于全文检索:如 match 查询
- 文本字段会被分词
- 默认情况下,会创建倒排索引
- 自动映射器会为 Text 类型创建 Keyword 字段
6.3 Keyword 类型
6.3.1概述
Keyword 类型适用于不分词的字段,如姓名、Id、数字等。如果数字类型不用于范围查找,用 Keyword 的性能要高于数值类型。
6.3.2语法和语义
如当使用 keyword 类型查询时,其字段值会被作为一个整体,并保留字段值的原始属性。
GET test_index/_search
{
"query": {
"match": {
"title.keyword": "测试文本值"
}
}
}
6.3.3注意事项
- Keyword 不会对文本分词,会保留字段的原有属性,包括大小写等。
- Keyword 仅仅是字段类型,而不会对搜索词产生任何影响
- Keyword 一般用于需要精确查找的字段,或者聚合排序字段
- Keyword 通常和 Term 搜索一起用(会在 DSL 中提到)
- Keyword 字段的 ignore_above 参数代表其截断长度,默认 256,如果超出长度,字段值会被忽略,而不是截断。
7.映射模板
7.1简介
之前讲过的映射类型或者字段参数,都是为确定的某个字段而声明的,如果希望对符合某类要求的特定字段制定映射,就需要用到映射模板:Dynamic templates。
映射模板有时候也被称作:自动映射模板、动态模板等。
7.2基本语法
"dynamic_templates": [
{
"my_template_name": {
... match conditions ...
"mapping": { ... }
}
},
...
]
7.3Conditions参数
match_mapping_type:主要用于对数据类型的匹配
match 和 unmatch:用于对字段名称的匹配
PUT test_dynamic_template
{
"mappings": {
"dynamic_templates": [
{
"integers": {
"match_mapping_type": "long",
"mapping": {
"type": "integer"
}
}
},
{
"longs_as_strings": {
"match_mapping_type": "string",
"match": "num_*",
"unmatch": "*_text",
"mapping": {
"type": "keyword"
}
}
}
]
}
}
以上代码会产生以下效果:
- 所有 long 类型字段会默认映射为 integer
- 所有文本字段,如果是以 num_ 开头,并且不以 _text 结尾,会自动映射为 keyword 类型