elasticsearch mapping

生也有涯,知也无涯。这篇文章主要讲述elasticsearch mapping相关的知识,希望能为你提供帮助。
es的mapping设置很关键,mapping设置不到位可能导致索引重建。如何更好的设置mapping?
请看下面各个类型介绍^_^
 
core types每一个JSON字段可以被映射到一个特定的核心类型。JSON本身已经为我们提供了一些输入,支持stringinteger/longfloat/doubleboolean, and  null.
 
下面的示例tweet的JSON文档将被用来解释核心类型:

{
    "tweet" {
        "user" : "kimchy"
        "message" : "This is a tweet!",
        "postDate" : "2009-11-15T14:12:12",
        "priority" : 4,
        "rank" : 12.3
    }
}

可以显式映射为上面的JSON tweet:
{
    "tweet" : {
        "properties" : {
            "user" : {"type" : "string", "index" : "not_analyzed"},
            "message" : {"type" : "string", "null_value" : "na"},
            "postDate" : {"type" : "date"},
            "priority" : {"type" : "integer"},
            "rank" : {"type" : "float"}
        }
    }
}

string基于文本的字符串类型是最基本的类型,包含一个或多个字符。可以映射一个例子:
{
    "tweet" : {
        "properties" : {
            "message" : {
                "type" : "string",
                "store" : "yes",
                "index" : "analyzed",
                "null_value" : "na"
            }
        }
    }
}

上面的映射定义一个字符串消息属性/字段在tweet类型。字段存储在索引(所以它稍后可以被检索使用选择性加载搜索时),并得到分析(分解成可搜索条件)。如果该消息有一个空值,那么该值将被存储是na.
下表列出了所有的属性,可以使用字符串类型:
      Attribute                                                                 Description
 
 
    index_name                                    字段的名称,将存储在索引中。默认属性/字段名.   
 
    store                                              设置为yes来存储实际的字段索引,没有不存储它。默认为没                                                             有(注意,JSON文档本身是存储,可以从它检索)。
 
    index                                              为该领域设置为分析索引和搜索在被分解成令牌使用分析                                                               仪。不分析意味着其仍可搜索,但没有经过任何分析过程或分                                                           解为令牌。不意味着它不会搜索(作为一个单独字段,它可能仍                                                         然被包括在所有)。设置没有禁用包含在所有。默认为分析。 
 
    term_vector                                    可能的值是不,是的,与补偿,与职位,与位置偏移。默认为没                                                               有。
 
      boost                                            该boost的值,默认是1.0。
 
    null_value                                    当有一个(JSON)null值的字段,可以使用null值的字段值。默认                                                         为不添加字段在所有。 
 
    omit_norms                                      布尔值如果规范应该省略或不是。默认值为假的分析领域,适                                                           用于不分析领域。
 
    omit_term_freq_and_positions    布尔值如果术语和位置应该忽略频率。默认值为假。弃用自                                                           0.20,看到指数期权。
 
      index_options                              自从0.20可用。允许设置索引选项,可能的值是文档(只有doc                                                           数字索引),freqs(doc数字和词的频率),和职位(doc数字,词的频                                                         率和位置)。默认位置分析领域,和文档中没有分析领域。因为                                                         0.90也可以设置偏移量(doc数字,词的频率,位置和补偿)。
 
    analyzer                                        这个分析仪用于分析文本内容分析时在索引和搜索时使用查                                                           询字符串。默认为全球配置分析仪。
      index_analyzer                            这个分析仪用于分析文本内容分析时在索引。                         
 
    search_analyzer                            这个分析仪用于分析场当一部分查询字符串。可以更新现有                                                           的字段。
 
      include_in_all                            应该被包括在这个领域的所有字段(如果启用)。如果索引设置                                                         为无默认值为false,否则,默认为true或父对象类型设置。
 
      ignore_above                                  这个分析器将忽略字符串大于这个尺寸。用于通用不分析领                                                           域,应该忽略长文本。(因为@0.19.9)。
 
 
      position_offset_gap                    位置增量字段实例之间的差距与相同的字段名。默认值为0。
 
 
字符串类型也支持自定义索引参数相关的索引值。例如:
{
    "message" : {
        "_value":   "boosted value",
        "_boost":   2.0
    }
}

需要消除歧义的映射文档的含义。否则,该结构将解释“消息”作为“对象”类型的值。键值(或价值)在内部文档指定字符串内容,最终真正应该被编入索引。促进(或提高)键指定每个字段的文档增加(这里是2.0)。
number许多类型的基础支持浮动,双,字节,短、整数和长。它使用特定的构造在Lucene为了支持数字值。数字类型有相同的范围作为相应的Java类型。一个例子可以映射:
{
    "tweet" : {
        "properties" : {
            "rank" : {
                "type" : "float",
                "null_value" : 1.0
            }
        }
    }
}

在这里多举几个常用的例子:
例1:当某一个字段要分词搜索, 则index就要设置相应的分词器,store设置为true
例2:当某一个字段要facet(分组统计),则必须设置这个字段为no_analyzerd(不分词);原因是字段不设置分词,默认是一元分词。
例3:搜索关键字相应分数,对一些排名算法有一定的帮助,可以为一些重要字段设置分值(boost)
例4:时间格式问题,es支持format时间格式。(format:yyyy-MM-dd HH:mm:ss.SSS)
……
【elasticsearch mapping】本文出自  http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/mapping-core-types.html#mapping-core-types












































    推荐阅读