Elasticsearch：理解 mapping 中的 null_value
转载自：https://elasticstack.blog.csdn.net/article/details/114266732
null 不能被索引或搜索。 当字段设置为 null（或空数组或 所有值为 null 值的数组）时，将其视为该字段没有值。使用 null_value 参数可以用指定的值替换显式的空值，以便可以对其进行索引和搜索。
例子一
PUT my-index-000001
{
"mappings": {
"properties": {
"status_code": {
"type": "keyword",
"null_value": "NULL"
}
}
}
}
在上面，我们针对 status_code 字段定义其 null_value，也就是说当我们导入一个文档，当它的 status_code 指定为 null 时，那么在导入时，实际上它是被认为是 status_code 当做 "NULL" 被导入并进行分析。我们以下面的两个文档来进行说明：
PUT my-index-000001/_doc/1
{
"status_code": null
}
PUT my-index-000001/_doc/2
{
"status_code": []
}
使用上面的两个命令写入两个文档到索引 my-index-000001 中。我们执行如下的搜索：
GET my-index-000001/_search
我们可以搜索到两个文档：
{
"took" : 1,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 2,
"relation" : "eq"
},
"max_score" : 1.0,
"hits" : [
{
"_index" : "my-index-000001",
"_type" : "_doc",
"_id" : "1",
"_score" : 1.0,
"_source" : {
"status_code" : null
}
},
{
"_index" : "my-index-000001",
"_type" : "_doc",
"_id" : "2",
"_score" : 1.0,
"_source" : {
"status_code" : [ ]
}
}
]
}
}
这显然是正确的，因为我们导入了两个文档。我们接着进行如下的搜索：
GET my-index-000001/_search
{
"query": {
"term": {
"status_code": "NULL"
}
}
}
上面的命令显示的结果为：
{
"took" : 1,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 0.2876821,
"hits" : [
{
"_index" : "my-index-000001",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.2876821,
"_source" : {
"status_code" : null
}
}
]
}
}
显然，第一个文档被搜索到，而第二个文档没有被搜索到。这是因为在第一个文档中，它清楚地指出 "status_code": null，所以在导入文档时，null_value 被认为是 status_code 而被导入并进行分析。第二个文档没有指定它是 null，所以没有被搜索出来。
例子二
假如我们有一下两个文档：
PUT twitter/_doc/1
{
"age": null
}
PUT twitter/_doc/2
{
"age": 20
}
在上面，我们有两个文档。第一个文档的 age 值为 null，也就是说它不能被搜索到。假如我们做如下的聚合：
GET twitter/_search
{
"size": 0,
"aggs": {
"avg_age": {
"avg": {
"field": "age"
}
}
}
}
那么上面的聚合返回：
{
"took" : 2,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 2,
"relation" : "eq"
},
"max_score" : null,
"hits" : [ ]
},
"aggregations" : {
"avg_age" : {
"value" : 20.0
}
}
}
也就是说平均年龄是 20 岁，这是因为第一个文档被视为不见。我们怎么才能让第一个文档也参入聚合呢？我们可以使用 null_value 来为 null 值的字段设置一个值。我们修改 mapping 为：
DELETE twitter
PUT twitter
{
"mappings": {
"properties": {
"age": {
"type": "float",
"null_value": 0
}
}
}
}
我们再重新导入之前的两个文档：
PUT twitter/_doc/1
{
"age": null
}
PUT twitter/_doc/2
{
"age": 20
}
由于我们已经定义当 age 为 null 时，null_value 将会起作用，它的值将为 0，那么这个文档将为可见。执行如下的聚合：
GET twitter/_search
{
"size": 0,
"aggs": {
"avg_age": {
"avg": {
"field": "age"
}
}
}
}
上面的结果为：
{
"took" : 703,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 2,
"relation" : "eq"
},
"max_score" : null,
"hits" : [ ]
},
"aggregations" : {
"avg_age" : {
"value" : 10.0
}
}
}
现在的平均值变为 10 了，也就是 （20 + 0)/2 = 10。
这里必须注意的是，我们必须显示地指定 age 为 null，否则 null_vale 将不会起任何的作用。比如：
DELETE twitter
PUT twitter
{
"mappings": {
"properties": {
"age": {
"type": "float",
"null_value": 0
}
}
}
}
PUT twitter/_doc/1
{
"content": "This is cool"
}
PUT twitter/_doc/2
{
"age": 20,
"content": "This is cool too!"
}
在上面，第一个文档里没有定义 age，那么 null_value 将不会起作用。如果我们做如下的聚合：
GET twitter/_search
{
"size": 0,
"aggs": {
"avg_age": {
"avg": {
"field": "age"
}
}
}
}
其显示结果为：
{
"took" : 1,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 2,
"relation" : "eq"
},
"max_score" : null,
"hits" : [ ]
},
"aggregations" : {
"avg_age" : {
"value" : 20.0
}
}
}
也就是说第一个文档没有被搜索到。
