Elasticsearch实践（三）：Mapping
版本：Elasticsearch 6.2.4。
Mapping类似于数据库中的表结构定义，主要作用如下：
- 定义Index下字段名（Field Name）
- 定义字段的类型，比如数值型，字符串型、布尔型等
- 定义倒排索引的相关配置，比如是否索引、记录postion等
Mapping完整的内容可以分为四部分内容：
- 字段类型(Field datatypes)
- 元字段(Meta-Fields)
- Mapping参数配置(Mapping parameters)
- 动态Mapping(Dynamic Mapping)
自动Mapping
如果没有手动设置Mapping，Elasticsearch默认会自动解析出类型，且每个字段以第一次出现的为准。
下面我们先看一下Elasticsearch默认创建的Mapping是什么样的。
首先我们创建一个索引：
PUT /user/
查询索引信息：
GET /user
结果：
{
"user": {
"aliases": {},
"mappings": {},
"settings": {
"index": {
"creation_date": "1540044686190",
"number_of_shards": "5",
"number_of_replicas": "1",
"uuid": "_K5b8w7jRiuthf7QeQZhdw",
"version": {
"created": "5060299"
},
"provided_name": "user"
}
}
}
}
增加一条数据：
PUT /user/doc/1
{
"name":"Allen Yer",
"job":"php",
"age":22
}
PUT /user/doc/2
{
"name":"Allen Yer",
"job":0,
"age":22
}
查询数据是否新增成功：
GET /user/doc/_count
结果：
{
"count": 2,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
}
}
count为2，说明新增成功。然后我们查询下 mapping :
{
"user": {
"mappings": {
"doc": {
"properties": {
"age": {
"type": "long"
},
"job": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"name": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
}
}
发现自动为每个字段设置了类型:
- name： text类型，另外额外增加了
name.keyword
字段，keyword
类型； - job：text类型，另外额外增加了
job.keyword
字段，keyword
类型；虽然第二次数据新增是数字类型，但还是以第一次为主； - age：long类型。
大家可以把索引删掉，将新增数据调整为先新增第2条，再新增第一条，发现报错了：
DELETE /user
PUT /user/doc/2
{
"name":"Allen Yer",
"job":0,
"age":22
}
PUT /user/doc/1
{
"name":"Allen Yer",
"job":"php",
"age":22
}
报错：
{
"error": {
"root_cause": [
{
"type": "mapper_parsing_exception",
"reason": "failed to parse [job]"
}
],
"type": "mapper_parsing_exception",
"reason": "failed to parse [job]",
"caused_by": {
"type": "number_format_exception",
"reason": "For input string: \"php\""
}
},
"status": 400
}
也能说明以第一次为主以字段第一次的值类型为准。这也说明了默认创建mapping可能不是我们想要的，这就需要手动创建mapping，好处有：
- 提前指定字段（通过设置甚至可以达到禁止自动增加字段的效果）
- 合理设置字段类型，防止分词过多或者解析不合理。分词过大会导致磁盘空间占用大。
手动创建mapping
这次我们删掉mapping，并手动创建一个：
DELETE /user
PUT /user/
{
"mappings": {
"doc": {
"properties": {
"name": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"age": {
"type": "long",
"index": false
},
"job": {
"type": "keyword"
},
"intro":{
"type":"text"
},
"create_time": {
"type": "date",
"format": "epoch_second"
}
}
}
}
}
字段类型说明：
- name：text类型，会进行分词，支持模糊检索。
- name.keyword : 这相当于是嵌套了一个字段，keyword类型，只能精确匹配，不支持分词。超过256字符长度不索引，也就没法搜索到。
- age：long类型，支持精确匹配。
- job：keyword类型，只能精确匹配，不支持分词。
- intro：text类型，会进行分词，支持模糊检索。
- create_time：date类型，支持10位时间戳。
注意：mapping生成后是不允许修改（包括删除）的。所以需要提前合理的的定义mapping。
字段类型
Elasticsearch支持文档中字段的许多不同数据类型：
普通数据类型
字符串类型
有
text和
keyword2种 。其中
text支持分词，用于全文搜索；
keyword不支持分词，用于聚合和排序。在旧的ES里这两个类型由
string表示。
如果安装了IK分词插件，我们可以为
text类型指定IK分词器。一般来说，对于字符串类型，如果：
1) 模糊搜索+精确匹配，一般是name或者title字段：
"name": {
"type": "text",
"analyzer": "ik_smart",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
2) 模糊搜索，一般是内容详情字段：
"content": {
"type": "text",
"analyzer": "ik_smart"
}
3) 精确匹配：
"name": {
"type": "keyword"
}
4) 不需要索引：
"url": {
"type": "keyword",
"index": false
}
数字类型
支持 long，integer，short，byte，double，float，half_float，scaled_float。具体说明如下：
long
带符号的64位整数，其最小值为-2^63
，最大值为(2^63)-1
。integer
带符号的32位整数，其最小值为-2^31
，最大值为(23^1)-1
。short
带符号的16位整数，其最小值为-32,768，最大值为32,767。byte
带符号的8位整数，其最小值为-128，最大值为127。double
双精度64位IEEE 754浮点数。float
单精度32位IEEE 754浮点数。half_float
半精度16位IEEE 754浮点数。scaled_float
缩放类型的的浮点数。需同时配置缩放因子(scaling_factor)一起使用。
对于整数类型（byte，short，integer和long）而言，我们应该选择这是足以使用的最小的类型。这将有助于索引和搜索更有效。
对于浮点类型（float、half_float和scaled_float），
-0.0和
+0.0是不同的值，使用
term查询查找
-0.0不会匹配
+0.0，同样
range查询中上边界是
-0.0不会匹配
+0.0，下边界是
+0.0不会匹配
-0.0。
其中
scaled_float，比如价格只需要精确到分，
price为
57.34的字段缩放因子为
100，存起来就是
5734。优先考虑使用带缩放因子的
scaled_float浮点类型。
示例：
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"status": {
"type": "byte"
},
"year": {
"type": "short"
},
"id": {
"type": "long"
},
"price": {
"type": "scaled_float",
"scaling_factor": 100
}
}
}
}
}
日期类型
类型为
date。
JSON本身是没有日期类型的，因此Elasticsearch中的日期可以是：
- 包含格式化日期的字符串。
- 一个13位long类型表示的毫秒时间戳（ milliseconds-since-the-epoch）。
- 一个integer类型表示的10位普通时间戳（seconds-since-the-epoch）。
在Elasticsearch内部，日期类型会被转换为UTC（如果指定了时区）并存储为long类型表示的毫秒时间戳。
日期类型可以使用使用
format自定义，默认缺省值：
"strict_date_optional_time||epoch_millis"：
"postdate": {
"type": "date",
"format": "strict_date_optional_time||epoch_millis"
}
format有很多内置类型，这里列举部分说明：
- strict_date_optional_time, date_optional_time
通用的ISO日期格式，其中日期部分是必需的，时间部分是可选的。例如 "2015-01-01"或"2015/01/01 12:10:30"。 - epoch_millis
13位毫秒时间戳 - epoch_second
10位普通时间戳
其中
strict_开头的表示严格的日期格式，这意味着，年、月、日部分必须具有前置0。
当然也可以自定义日期格式，例如：
"postdate":{
"type":"date",
"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd"
}
注意：如果新文档的字段的值与format里设置的类型不兼容，ES会返回失败。示例：
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"date": {
"type": "date",
"format":"epoch_millis"
}
}
}
}
}
PUT my_index/_doc/1
{
"date":1543151405000
}
PUT my_index/_doc/2
{
"date":1543151405
}
PUT my_index/_doc/3
{
"date":"2018-11-25 21:10:43"
}
GET my_index/_doc/_search
第3条数据插入失败，因为只接受长整数的时间戳，字符串类型的日期是不匹配的。第2条的值只有10位数，虽然值是不正确的，但是在
epoch_millis的取值范围内，所以也是成功的。
布尔类型
类型为
boolean。
二进制类型
类型为
binary。
范围类型
integer_range，float_range，long_range，double_range，date_range
复杂类型
- 数组数据类型
在ElasticSearch中，没有专门的数组（Array）数据类型，但是，在默认情况下，任意一个字段都可以包含0或多个值，这意味着每个字段默认都是数组类型，只不过，数组类型的各个元素值的数据类型必须相同。在ElasticSearch中，数组是开箱即用的（out of box），不需要进行任何配置，就可以直接使用。，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 ]
对象数据类型
object 对于单个JSON对象。JSON天生具有层级关系，文档可以包含嵌套的对象。嵌套数据类型
nested 对于JSON对象的数组
Geo数据类型
地理点数据类型
geo_point 对于纬度/经度点Geo-Shape数据类型
geo_shape 对于像多边形这样的复杂形状
专用数据类型
IP数据类型
ip 用于IPv4和IPv6地址完成数据类型
completion 提供自动完成的建议令牌计数数据类型
token_count 计算字符串中的标记数mapper-murmur3
murmur3 在索引时计算值的哈希值并将它们存储在索引中过滤器类型
接受来自query-dsl的查询join 数据类型
为同一索引中的文档定义父/子关系
多字段
为不同目的以不同方式索引相同字段通常很有用。例如，string可以将字段映射为text用于全文搜索的keyword字段，以及用于排序或聚合的字段。或者，您可以使用standard分析仪， english分析仪和 french分析仪索引文本字段。
元字段
_all
该字段用于在没有指定具体字段的情况下进行模糊搜索，可以搜索全部字段的内容。
原理是将所有字段的内容视为字符串，拼在一起放在一个
_all字段上，但这个字段默认是不被存储的，可以被搜索。在
query_string与
simple_query_string查询（Kibana搜索框用的这种查询方式）默认也是查询
_all字段。
6.x版本被默认关闭。
相关设置：
PUT my_index
{
"mappings": {
"my_type": {
"_all": {
"enabled": true,
"store": false
},
"properties": {}
}
},
"settings": {
"index.query.default_field": "_all"
}
}
上述配置在
5.x版本是默认配置：
- 默认开启
_all
字段 - 默认不存储
_all
字段 - 默认搜索
_all
字段
如果从CPU性能及磁盘空间考虑，可以考虑可以完全禁用或基于每个字段自定义
_all字段。
假设
_all字段被禁用，则URI搜索请求、
query_string和
simple_query_string查询将无法将其用于查询。我们可以将它们配置为其他字段：通过定义
index.query.default_field属性。
_source
这个字段用于存储原始的JSON文档内容，本身不会被索引，但是搜索的时候被返回。如果没有该字段，虽然还能正常搜索，但是返回的内容不知道对应的是什么。
示例：
GET /user/doc/_search?q=name
结果：
{
"took": 4,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 1,
"max_score": 0.2876821,
"hits": [
{
"_index": "user",
"_type": "doc",
"_id": "1",
"_score": 0.2876821,
"_source": {
"name": "this is test name",
"age": 22,
"job": "java",
"intro": "the intro can not be searched by singal",
"intro2": "去朝阳公园",
"create_time": 1540047542
}
}
]
}
}
搜索结果就包含
_source字段，存储的是原始文档内容。如果被禁用，只知道有匹配内容，但是无法知道返回的是什么。所以需要谨慎关闭该字段。
如果想禁用该字段，可以在创建Mapping的时候，设置_：
{
"mappings": {
"_doc": {
"_source": {
"enabled": false
}
}
}
}
_type
ElasticSearch里面有 index 和 type 的概念：index称为索引,type为文档类型，一个index下面有多个type，每个type的字段可以不一样。这类似于关系型数据库的 database 和 table 的概念。
但是，ES中不同type下名称相同的filed最终在Lucene中的处理方式是一样的。所以后来ElasticSearch团队想去掉type，于是在6.x版本为了向下兼容，一个index只允许有一个type。
该字段再在6.0.0中弃用。在Elasticsearch 6.x 版本中创建的索引只能包含单个type。在5.x中创建的含有多个type的索引将继续像以前一样在Elasticsearch 6.x中运行。type 将在Elasticsearch 7.0.0中完全删除。
详见：https://www.elastic.co/guide/en/elasticsearch/reference/current/removal-of-types.html
参考
1、Mapping | Elasticsearch Reference [6.4] | Elastic
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html
2、Elasticsearch 6.x Mapping设置 - 小旋锋
https://mp.weixin.qq.com/s/pBPH-wccdY1oslpqGgAHBg
3、整理的es中的mapping方面的内容 - 辛星，前进的路上. - CSDN博客
https://www.geek-share.com/detail/2676096214.html
4、[译]ElasticSearch数据类型--string类型已死, 字符串数据永生 - 牧曦之晨 - SegmentFault 思否
https://segmentfault.com/a/1190000008897731
5、ElasticSearch的_all域 | 学步园
https://www.xuebuyuan.com/2053874.html
6、图解Elasticsearch中的_source、_all、store和index属性 - 1.01^365=37.78 (Lucene、ES、ELK开发交流群: 370734940) - CSDN博客
https://www.geek-share.com/detail/2700580966.html
7、Elasticsearch - 自动检测及动态映射Dynamic Mapping - 上善若水，水善利万物而不争。 - CSDN博客
https://www.geek-share.com/detail/2671043274.html
8、Field datatypes | Elasticsearch Reference [6.2] | Elastic
https://www.elastic.co/guide/en/elasticsearch/reference/6.2/mapping-types.html
- SpringBoot整合ElasticSearch实践
- 同步mysql数据到ElasticSearch的最佳实践
- 贷前系统ElasticSearch实践总结
- ElasticSearch5.x实践_day01_03_ElasticSearch集群概览
- ElasticSearch5.x实践_day04_01_ElasticSearch聚合查询
- ElasticSearch创建索引(index)和添加映射(mapping)
- ElasticSearch java API--创建mapping
- elasticsearch中的字段类型/mapping参数
- ELK学习总结（4-1）elasticsearch更改mapping(不停服务重建索引)
- 介绍elasticsearch中Mapping
- 第十二篇 elasticsearch中的mapping透彻理解
- Java使用ElasticSearch API设置Mapping
- elasticsearch 修改 mapping
- 大数据下的日志--ElasticSearch部分（四）--Mapping
- elasticsearch系列（一）：创建mapping和插入数据
- ElasticSearch实践系列(二)：探索集群
- 第三百六十四节，Python分布式爬虫打造搜索引擎Scrapy精讲—elasticsearch(搜索引擎)的mapping映射管理
- 唯品会Dragonfly日志系统的Elasticsearch实践
- elasticsearch文档-字段的mapping
- ElasticSearch5.x实践_day01_02_ElasticSearch集群部署