Elastic Stack（es Mapping映射入门）

大鹏一日同风起，扶摇直上九万里。这篇文章主要讲述Elastic Stack：es Mapping映射入门相关的知识，希望能为你提供帮助。
一.概念概念：自动或手动为index中的_doc建立的一种数据结构和相关配置，简称为mapping映射。
动态映射：dynamic mapping，自动为我们建立index，以及对应的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。
我们当然也可以手动在创建数据之前，先创建index，以及对应的mapping
语法：

GET /INDEX/_mapping

　GET /book/_mapping查询结果：

{ "book" : { "mappings" : { "properties" : { "description" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "name" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "pic" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "price" : { "type" : "float" }, "studymodel" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "tags" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "timestamp" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } } } } } }

搜索：

GET /website/_search?q=20190条结果 GET /website/_search?q=2019-01-011条结果 GET /website/_search?q=post_date:2019-01-011条结果 GET /website/_search?q=post_date:20190 条结果

搜索结果为什么不一致，因为es自动建立mapping的时候，设置了不同的field不同的data type。不同的data type的分词、搜索等行为是不一样的。所以出现了_all field和post_date field的搜索表现完全不一样。
二.精确匹配与全文检索的对比分析exact value 精确匹配：2019-01-01，exact value，搜索的时候，必须输入2019-01-01，才能搜索出来，如果你输入一个01，是搜索不出来的
full text 全文检索：
2019-01-01，2019 01 01，搜索2019，或者01，都可以搜索出来
china，搜索cn，也可以将china搜索出来
likes，搜索like，也可以将likes搜索出来
Tom，搜索tom，也可以将Tom搜索出来
like，搜索love，同义词，也可以将like搜索出来
就不是说单纯的只是匹配完整的一个值，而是可以对值进行拆分词语后（分词）进行匹配，也可以通过缩写、时态、大小写、同义词等进行匹配。深入 NPL,自然语义处理。
三.分词器 analyzer【Elastic Stack（es Mapping映射入门）】作用：切分词语，normalization（提升recall召回率），给你一段句子，然后将这段句子拆分成一个一个的单个的单词，同时对每个单词进行normalization（时态转换，单复数转换）。
测试分词器：

GET /_analyze { "analyzer": "standard", "text": "Text to analyze 80" }

分词结果：

文章图片

token:实际存储的tern关键字
position：在此词条在原文本中的位置
start_offset/end_offset：字符在原始字符串中的位置
四.手动创建映射

PUT book/_mapping { "properties": { "name": { "type": "text" }, "description": { "type": "text", "analyzer":"english", "search_analyzer":"english" }, "pic":{ "type":"text", "index":false }, "studymodel":{ "type":"text" } } }

　Text文本类型：
1）analyzer ：通过analyzer属性指定分词器。
2）index ：index属性指定是否索引，默认为true,但是有一些内容不需要索引。
3）store ：是否在source之外存储
　keyword关键字字段：
目前已经取代了"index": false。上边介绍的text文本字段在映射时要设置分词器，keyword字段为关键字字段，通常搜索keyword是按照整体搜索，所以创建keyword字段的索引时是不进行分词的，比如：邮政编码、手机号码、身份证等。keyword字段通常用于过虑、排序、聚合等。
date日期类型：
日期类型不用设置分词器。
通常日期类型的字段用于排序。
通过format设置日期格式