Elasticsearch的Mapping配置 _Elasticsearch

知是行的主意,行是知的功夫。这篇文章主要讲述Elasticsearch的Mapping配置相关的知识，希望能为你提供帮助。
本文已经收录至我的GitHub,欢迎大家踊跃star 和 issues。
https://github.com/midou-tech/articles
题外话
这次本来是准备用filebeat写数据到es，然后下一篇写查询语法和一些查询操作。
就在我要写数据的时候，发现不对啊。mapping配置什么的都不知道，只是把数据塞进去了，完全不知道数据怎么结构化存储的，也不知道怎么查询。
一般去对接es业务，都需要告诉es的同学，有哪些字段，那些字段需要做查询，es的同学会根据你的业务去配置相应的mapping。
学习es请关注龙叔，带你走进es的世界。
正文
es配置这块作为es开发人员和维护人员属于基本知识，必须掌握的。作为es的业务方和使用者，了解es的配置有助于更好的在你的场景中去使用。
本篇文章主要讲下es的配置文件、mapping配置问题。
elasticsearch的目录结构

文章图片

这是Elasticsearch 7.7.0版本的目录结构

bin：脚本文件，包括 ES 启动 & 安装插件等等
config：elasticsearch.yml（ES 配置文件）、jvm.options（JVM 配置文件）、日志配置文件等等
data：ES 启动的时候，会有该目录，用来存储文档数据，该目录可以设置
jdk.app：内置的 JDK， 7.7.0内置了openjdk 14
lib：类库
logs：日志文件
modules：ES 所有模块，包括 X-pack 等
plugins：ES 已经安装的插件，默认没有任何插件
config目录
其实熟悉工程的朋友都知道，一个工程的目录配置都是大同小异的。

bin目录存放一些必要的二进制文件或者启动脚本、config目录存放工程需要的配置文件、log目录就是日志文件、lib目录放一些工程必须的库、script目录放一些脚本。

文章图片

elasticsearch.yml是elasticsearch的重要配置，下面说一下这个文件的一些配置项

# ---------------------------------- Cluster ----------------------------------- # Use a descriptive name for your cluster: cluster.name: my-application # ------------------------------------ Node ------------------------------------ # Use a descriptive name for the node: node.name: node-1 # Add custom attributes to the node: node.attr.rack: r1 # ----------------------------------- Paths ------------------------------------ # Path to directory where to store the data (separate multiple locations by comma): path.data: /path/to/data # Path to log files: path.logs: /path/to/logs # ----------------------------------- Memory ----------------------------------- # Lock the memory on startup: bootstrap.memory_lock: true # Make sure that the heap size is set to about half the memory available # on the system and that the owner of the process is allowed to use this limit. # Elasticsearch performs poorly when the system is swapping the memory. # ---------------------------------- Network ----------------------------------- # Set the bind address to a specific IP (IPv4 or IPv6): network.host: 192.168.0.1 # Set a custom port for HTTP: http.port: 9200 # For more information, consult the network module documentation. # --------------------------------- Discovery ---------------------------------- # Pass an initial list of hosts to perform discovery when this node is started: # The default list of hosts is ["127.0.0.1", "[::1]"] discovery.seed_hosts: ["host1", "host2"] # Bootstrap the cluster using an initial set of master-eligible nodes: cluster.initial_master_nodes: ["node-1", "node-2"] # For more information, consult the discovery and cluster formation module documentation. # ---------------------------------- Gateway ----------------------------------- # Block initial recovery after a full cluster restart until N nodes are started: gateway.recover_after_nodes: 3 # For more information, consult the gateway module documentation. # ---------------------------------- Various ----------------------------------- # Require explicit names when deleting indices: action.destructive_requires_name: true

本来还想注释解释一下的，结果看了下这里面的英文解释，很so easy，就不在这里赘述了。
Es的Mapping
Mapping类似于数据库中的表结构定义，我们创建一个表需要定义一个表结构。
在es里面每个索引都会有一个mapping配置。
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)
下面就对这四部分进行讲解

上一篇Es文章中简单的写入数据到es中，写的时候没有配置任何mapping结构的，不知道是否还记得之前写的数据。
别管原理，先run起来（戳我查看），贴了链接，里面有插入数据的语法。
太长了，这里就不截插入数据的图了，有兴趣的戳链接查看。
GET /user/_mapping 使用这个接口可以获取user索引的mapping结构如下：

{ "user" : { "mappings" : { "properties" : { "desc" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "name" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "title" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } } } } } }

可以看到，默认情况下，插入数据是会自动创建mapping结构的。
三个字段name、titile、desc都自动识别为text类型，同时分别增加了keyword字段，类型为keyword。
GET /user/_mapping/field/title 可以获取字段name的mapping结构。

{ "user" : { "mappings" : { "title" : { "full_name" : "title", "mapping" : { "title" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } } } } } } }

上面展示了如何获取mapping，可以通过获取整个index的mapping，也可以获取某个字段的mapping。
数据类型
主要的数据类型
string ：text andkeyword 两种

text（文本类型），在索引文件中，存储的不是原字符串，而是使用分词器对内容进行分词处理后得到一系列的词根，然后一一存储在index的倒排索引中。
keyword（关键字类型），将原始输入内容当成一个词根存储在倒排索引中，与text字段的区别是该字段不会使用分词器进行分词。
Numeric

long, integer, short, byte, double, float, half_float, scaled_float
Date
date 日期类型
Date nanoseconds
date_nanos
Boolean
boolean
Binary
binary
Range
integer_range, float_range, long_range, double_range, date_range, ip_range
复杂数据类型
Object：单个json对象
Nested ：嵌套json对象
地理位置数据类型
Geo-point ：地理经纬度
Geo-shape ：多边形等复杂形状
专用数据类型
IP
支持IPv4 and IPv6 地址，这个用的蛮多的，日志查询经常用到。
Completion datatype
范围类型，为了优化在查找时输入自动补全而设计的类型，输入自动补全会在查询部分专题详解。
Token count
令牌计数类型，接收一个字符串经过分析后将返回词根的个数
mapper-murmur3
需要安装 map-per-murmur3插件，提供了在索引时索引和记录该字段的散列值，对于聚合有性能提升
Join
join类型允许在同一个索引中（同一个类型type）中定义多个不同类型的文档（例如学生文档、班级文档-）这些类型是个一对多关联关系（父子级联关系）。
Alias
指定字段别名
Arrays
数组类型
range datatype
数据范围类型，一个字段表示一个范围，例如
Meta-Fields(元字段)
身份元字段
_index , _type , _id
_index:文档所属索引 , 自动被索引，可被查询，聚合，排序使用，或者脚本里访问
type：文档所属类型，自动被索引，可被查询，聚合，排序使用，或者脚本里访问
_id：文档的唯一标识，建索引时候传入，不被索引，可通过_uid被查询，脚本里使用，不能参与聚合或排序
数据源元字段
_source , _size
_source : 一个doc的原生的json数据，不会被索引，用于获取提取字段值，启动此字段，索引体积会变大，如果既想使用此字段又想兼顾索引体积，可以开启索引压缩。
_size : 整个_source字段的字节数大小
索引元字段
_field_names , _ignored
_field_names：索引了每个字段的名字，可以包含null值，可以通过exists查询或missing查询方法来校验特定的字段
_ignored: 默认情况下，尝试将错误的数据类型索引到字段中会引发异常，并拒绝整个文档。ignore_malformed如果将参数设置为true，则可以忽略异常。格式错误的字段未编制索引，但文档中的其他字段已正常处理。
路由元字段
_routing
其他元字段
_meta
Mapping parameters(mapping参数)

analyzer
boost
coerce
copy_to
doc_values
dynamic
eager_global_ordinals
enabled
fielddata
fields
format
ignore_above
ignore_malformed
index_options
index_phrases
index_prefixes
index
meta
normalizer
norms
null_value
position_increment_gap
properties
search_analyzer
similarity
store
term_vector
mapping的参数非常多，说几个常用的参数，其他参数使用时在去看文档

analyzer
指定分词器。elasticsearch是一款支持全文检索的分布式存储系统，对于text类型的字段，首先会使用分词器进行分词，然后将分词后的词根一个一个存储在倒排索引中，后续查询主要是针对词根的搜索。
analyzer参数可以在每个查询、每个字段、每个索引中使用，其优先级如下（越靠前越优先）：1、字段上定义的分词器 2、索引配置中定义的分词器 3、默认分词器(standard)
在查询上下文，分词器的查找优先为：1、full-text query中定义的分词器 2、定义类型映射时，字段中search_analyzer 定义的分词器 3、定义字段映射时analyzer定义的分词器 4、索引中default_search中定义的分词器 5、索引中默认定义的分词器 6、标准分词器（standard）
coerce
是否进行类型“隐式转换”。例如

"fans":{ "type":"integer" }

声明粉丝数是整形，如果coerce:true " 10000" 也可以写进fans字段，coerce:false 则必须使用 1000 赋值给fans字段。
boost
权重值，可以提升在查询时的权重，对查询相关性有直接的影响，其默认值为1.0。其影响范围为词根查询(team query),对前缀、范围查询、全文索引(match query)不生效。
copy_to
copy_to参数允许您创建自定义的_all字段。换句话说，多个字段的值可以复制到一个字段中。

{ "user" : { "mappings" : { "properties" : { "desc" : { "type" : "text", "analyzer" : "standard", "copy_to" : "content" }, "fans" : { "type" : "integer", "copy_to" : "content" }, "name" : { "type" : "text", "analyzer" : "standard", "copy_to" : "content" }, "content" : { "type" : "text" } } } } }

content的值为 desc、fans、name字段值拼接的结果。
copy_to注意事项：? ?1、字段的复制是原始值，而不是分词后的词根。? ?2、复制字段不会包含在_souce字段中，但可以使用复制字段进行查询。? ?3、同一个字段可以复制到多个字段，写法如下：“copy_to”: [ “field_1”, “field_2” ]
doc_values
当需要对一个字段进行排序时，es需要提取匹配结果集中的排序字段值集合，然后进行排序。倒排索引的数据结构对检索来说相当高效，但对排序就不那么擅长。
dynamic
是否允许动态的隐式增加字段。
normalizer
规划化，主要针对keyword类型，在索引该字段或查询字段之前，可以先对原始数据进行一些简单的处理，然后再将处理后的结果当成一个词根存入倒排索引中
enabled
是否建立索引，默认情况下es会尝试为你索引所有的字段，但有时候某些类型的字段，无需建立索引，只是用来存储数据即可。
eager_global_ordinals
全局序列号，它以字典顺序为每个唯一的术语保持递增的编号。
fielddata
为了解决排序与聚合，elasticsearch提供了doc_values属性来支持列式存储，但doc_values不支持text字段类型。
因为text字段是需要先分析（分词），会影响doc_values列式存储的性能。es为了支持text字段高效排序与聚合，引入了一种新的数据结构(fielddata)，使用内存进行存储。
format
在JSON文档中，日期表示为字符串。

{ "user": { "mappings": { "properties": { "desc": { "type": "text", "analyzer": "standard", "copy_to": "content" }, "fans": { "type": "integer", "copy_to": "content" }, "name": { "type": "text", "analyzer": "standard", "copy_to": "content" }, "content": { "type": "text" }, "date": { "type": "date", "format": "yyyy-MM-dd HH:mm:ss" } } } } }

fields
fields允许对同一索引中同名的字段进行不同的设置
index
定义字段是否索引，true:代表索引，false表示不索引（则无法通过该字段进行查询），默认值为true。
index_options
控制文档添加到反向索引的额外内容，可以选择的参数如下：
docs：文档编号添加到倒排索引。freqs：文档编号与访问频率。positions：文档编号、访问频率、词位置（顺序性），proximity 和phrase queries 需要用到该模式。offsets：文档编号，词频率，词偏移量（开始和结束位置）和词位置（序号），高亮显示，需要设置为该模式。
norms
字段的评分规范，存储该规范信息，会提高查询时的评分计算效率
null_value
将显示的null值替换为新定义的额外值
search_analyzer
通常，在索引时和搜索时应用相同的分析器，以确保查询中的术语与反向索引中的术语具有相同的格式，如果想要在搜索时使用与存储时不同的分词器，则使用search_analyzer属性指定，通常用于ES实现即时搜索(edge_ngram)。
similarity
指定相似度算法，其可选值：

BM25：当前版本的默认值，使用BM25算法。
classic：使用TF/IDF算法，曾经是es,lucene的默认相似度算法。
boolean：一个简单的布尔相似度，当不需要全文排序时使用，并且分数应该只基于查询条件是否匹配。布尔相似度为术语提供了一个与它们的查询boost相等的分数。
store

默认情况下，字段值被索引以使其可搜索，但它们不存储
term_vector
term_vector包含分析过程产生的术语的信息
Dynamic Mapping(动态mapping)
动态字段映射
管理动态field检测的规则
动态模板
用于配置动态添加字段的映射的自定义规则
上一篇文章我们只是把数据写进来，并没有配置mapping结构。写进来的数据也是具有mapping结构的，可以进行搜索。
这些mapping结构就是es的动态mapping在起作用。
总结
mapping配置是很重要的一部分，对于elasticsearch学习者来说必须要掌握。
本部分内容在官方文档都有详细的说明和示例，如果在看龙叔的文章有什么问题可以用官网文档示例校正。
独自旅行分割线
【Elasticsearch的Mapping配置】我是龙叔，一个分享互联网技术和心路历程的star。