行是知之始,知是行之成。这篇文章主要讲述Elasticsearch实践：Mapping相关的知识，希望能为你提供帮助。

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 /userPUT /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 /userPUT /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。

更多日期格式详见：https://www.elastic.co/guide/en/elasticsearch/reference/6.2/mapping-date-format.html#mapping-date-format

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【Elasticsearch实践（Mapping）】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://blog.csdn.net/xinguimeng/article/details/51588583
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://blog.csdn.net/napoay/article/details/62233031
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://blog.csdn.net/xifeijian/article/details/51090338
8、Field datatypes | Elasticsearch Reference [6.2] | Elastic
https://www.elastic.co/guide/en/elasticsearch/reference/6.2/mapping-types.html

推荐阅读

• 

  关于青春的精辟句子
• 

  癌症|重大提醒：11种癌被列为“法定职业癌”，你的工作有风险吗？
• 

  打破传统的增氧产品
• 

  没炒熟的四季豆有毒吗 如何处理吃四季豆不熟出现的呕吐 头昏 胸闷问题，吃四季豆后呕吐
• 

  红米note8prosd卡 红米note8pro支持扩展卡吗
• 

  什么是CGO
• 

  出现林内热水器显示f22怎么办,来看看这些方面
• 

  汽车发动机缸盖图片 发动机汽缸盖
• 

  电脑中毒怎么清理最彻底 电脑中毒的表现有哪些
• 

  六个月的宝宝发育标准是怎样的
• 

  古诗浪淘沙的意思 古诗浪淘沙表达什么
• 

  Win10系统卸载易升软件的两种可行方法
• 

  中秋节是怎么来的 中秋节是怎么来的大班教案
• 

  Refold 便携式硬纸板创意桌子设计
• 

  土豆淀粉和玉米淀粉有哪些区别
• 

  吞食天地2武将分析
• 

  吉利星越l最新销量 2021年SUV市场最大的变数吉利星越L
• 

  微信6.6.7版本有哪些新功能_微信6.6.7版本更新内容介绍
• 

  什么是极大似然法
• 

  acl的类型有哪些 访问控制列表ACL是什么

• Android 性能优化的方面方面都在这儿
• App端待现场核查的申请设计项列表界面上的上的经营者信息按钮调经营者设计项的编辑界面，并且能够查看选中的待现场核查的申请对应的经营者信息
• Android hook神器frida
• ?: (urls.W005) URL namespace '你的app_name' isn't unique. You may not be able to reverse a
• 谈谈跨平台的app开发 坚定的选择了flutter
• KnowRbao_uni-app
• Vue 2.0开发企业级移动端音乐WebAPP
• Android通用框架设计与完整电商APP开发
• Android热修复与插件化实践之路