Elasticsearch系列---初识mapping
概要
本篇简单介绍一下field数据类型mapping的相关知识。
mapping是什么？
前面几篇的实战案例，我们向Elasticsearch索引数据时，只是简单地把JSON文本放在请求体里，至于JSON里的field类型，存储到ES里是什么类型，中间是怎么做的映射，这个映射过程，就是mapping要解决的问题。
mapping简单来说，就是解决JSON文本内容到field类型映射关系的定义。将时间域视为时间类型，数字视为数字类型，字符串识别为全文或精确值字符串，这个识别的过程，叫做mapping。
Elasticsearch支持的简单域类型，类似于Java的基础数据类型，有如下几种：
- 字符串：text，keyword
- 整数 : byte, short, integer, long
- 浮点数: float, double
- 布尔型: boolean
- 日期: date
当Elasticsearch收到JSON基本数据类型内容时，使用如下规则进行类型映射：
| JSON type | domain type
| :---- | :--: | -----: |
| 布尔型: true 或者 false | boolean
| 整数: 123 | long
| 浮点数: 123.45 | double
| 日期格式的字符串: 2014-09-15 | date
| 字符串: love you | text
查看映射
每个索引都可以通过/_mapping查询各个field的映射结果，ES本身有自动mapping的过程，但mapping后的结果一定要仔细检查一下。
查询请求：
GET /music/_mapping/children
响应结果：
{
"music": {
"mappings": {
"children": {
"properties": {
"content": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"language": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
},
"fielddata": true
},
"length": {
"type": "long"
},
"likes": {
"type": "long"
},
"name": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
}
}
mapping中就自动定义了每个field的数据类型，properties下面的是各个field字段的名称、类型等信息，text类型的还带一个keyword子field。
数据类型的分词规则
index在建立时或索引数据时，如果没有手动指定mapping信息，Elasticsearch会用它的规则自动为我们创建type信息，以及type对应的mapping，mapping中包含了每个field对应的数据类型，以及如何分词等设置。
不同类型的field，有的是精确搜索(exact value)，有的是全文搜索(full text)。
- exact value，在建立倒排索引的时候，是将整个值一起作为一个关键词建立到倒排索引中的，并且大小写敏感；
- full text，会经历各种各样的处理，分词，normaliztion（时态转换，同义词转换，大小写转换），才会建立到倒排索引中。
在一个搜索请求过来的时候，对exact value field和full text field进行搜索的会与当初建立倒排索引的行为保持一致；比如说exact value搜索的时候，就是直接按照整个值进行匹配，full text query string，也会进行分词和normalization再去倒排索引中去搜索，这样才能达到预期的搜索效果。
ES基本的几种field类型，除了text是使用full text，其他的都是exact value，总结来说mapping，决定了数据类型，建立倒排索引的行为，还有进行搜索的行为。
自定义映射
基本数据类型基本够用，但是有些数据可能需要自定义映射，尤其是字符串，string类型默认是full text，但是我们可以自己定义分词器，不同的分词器，会带来不一样的搜索效果，string类型最重要的属性是index和analyzer。
index
这个属性控制字符串的索引规则，有三个值可供选择：
- true：支持索引，并且依据当前类型决定是全文搜索还是精确匹配
- false：不索引
例如：
{
"author": {
"type": "text",
"index": true
}
}
analyzer
这个属性控制字符串使用的分词器，在支持中文的系统里，这个属性经常被用到，各路分词器大显身手，都需要用这个属性来指定，如：
{
"content": {
"type": "text",
"analyzer": "aliws"
}
}
测试映射
我们在建立索引之后，可以通过测试命令来查看不同的field的映射结果，即full text类型的是否有分词， exact value的是否原样保留，text的内容可以随意输入，当把这个作用工具调试时，可以诊断的内容的分词情况，举例如下：
- full text类型
GET /music/_analyze
{
"field": "content",
"text": "let me sleep"
}
结果：
{
"tokens": [
{
"token": "let",
"start_offset": 0,
"end_offset": 3,
"type": "<ALPHANUM>",
"position": 0
},
{
"token": "me",
"start_offset": 4,
"end_offset": 6,
"type": "<ALPHANUM>",
"position": 1
},
{
"token": "sleep",
"start_offset": 7,
"end_offset": 12,
"type": "<ALPHANUM>",
"position": 2
}
]
}
- exact value类型
GET /music/_analyze
{
"field": "content.keyword",
"text": "let me sleep"
}
结果：
{
"tokens": [
{
"token": "let me sleep",
"start_offset": 0,
"end_offset": 12,
"type": "word",
"position": 0
}
]
}
注意一个小细节：Elasticsearch在自动创建text类型时，为full text，但会自动建立一个keywork子field，这个子field是exact value类型的。
小结
本篇主要介绍了一个mapping的概念，基础数据类型，以及查看映射信息和测试field映射效果的方法，测试映射效果算是一个比较有用的工具，后期实际开发中，遇到需要诊断的内容，可以用这个工具协助排查问题。
专注Java高并发、分布式架构，更多技术干货分享与心得，请关注公众号：Java架构社区
