学好Elasticsearch系列-Mapping
本文已收录至Github，推荐阅读 👉 Java随想录
微信公众号：Java随想录
目录
这篇讲解Elasticsearch中非常重要的一个概念Mapping，Mapping是索引必不可少的组成部分。
Mapping 的基本概念
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 有点类似与关系型数据库中“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。
查看索引 Mapping
//查看索引完整的mapping
GET /index/_mappings
//查看索引指定字段的mapping
GET /index/_mappings/field/<field_name>
字段数据类型
映射的数据类型也就是 ES 索引支持的数据类型，其概念和 MySQL 中的字段类型相似，但是具体的类型和 MySQL 中有所区别，最主要的区别就在于 ES 中支持可分词的数据类型，如：Text 类型，可分词类型是用以支持全文检索的，这也是 ES 生态最核心的功能。
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。
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。
Keywords 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 的场景。
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。
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。
空间数据类型
- geo_point：纬度和经度点。
- geo_shape：复杂的形状，例如多边形。
- point：任意笛卡尔点。
- shape：任意笛卡尔几何。
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。
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。
- token_count：文本中的标记计数。
两种映射类型
自动映射：Dynamic Field Mapping
| 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，其他类型都必须显式映射，也就是必须手工指定，因为其他类型ES无法自动识别。
显式映射 Expllcit Field Mapping
例如：
PUT test_mapping
{
"mappings": {
"properties": {
"title": {
"type": "text"
},
"name": {
"type": "text",
"fields": {
"name2": {
"type": "keyword",
"ignore_ above": 256
}
}
},
"age": "byte"
}
}
}
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。
- analyzer：指定分析器（character filter、tokenizer、Token filters）。
- 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，为 true的话 “1”能被转为 1， false则转不了。
- 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，仍然可以检索并在_source元数据中展示，谨慎使用，该状态无法修改。enable的作用和index类似，区别就是enable可以对全局进行设置。例如：
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。例如：
"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：normalizer 参数用于解析前（索引或者查询时）的标准化配置。
- 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：https://blog.csdn.net/wlei0618/article/details/128189190
- properties：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，如果定义了analyzer而没有定义search_analyzer，则search_analyzer的值默认会和analyzer保持一致，如果两个都没有定义，则默认是："standard"。analyzer针对的是元数据，而search_analyzer针对的是传入的搜索词。
- similarity：为字段设置相关度算法，和评分有关。支持BM25、classic（TF-IDF）、boolean。
- store：设置字段是否仅查询。
- term_vector：运维参数。
Text 和 Keyword 类型
Text 类型
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。
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。
Keyword 类型
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。
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 index/_search
{
"query": {
"match": {
"title.keyword": "测试文本值"
}
}
}
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。
- 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，忽略指的是会忽略这个字段的索引，搜索不到，但数据还是存在的。
映射模板
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。
之前设置mapping的时候，我们明确知道字段名字，但是当我们不确定字段名字的时候该怎么设置mapping？映射模板就是用来解决这种场景的。
用法
基本语法
"dynamic_templates": [
{
"my_template_name": {
... match conditions ...
"mapping": { ... }
}
},
...
]
Conditions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。
案例
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。
本篇文章就到这里，感谢阅读，如果本篇博客有任何错误和建议，欢迎给我留言指正。文章持续更新，可以关注公众号第一时间阅读。
