· 更多精彩内容,请下载阅读全本《Elastic Stack实战手册》
创作人:欧阳楚才
映射(mapping)就像数据库中的 Schema ,描述了文档可能具有的字段或属性、每个字段的数据类型,比如 text,keyword,integer 或 date ,以及 Lucene 是如何索引和存储这些字段的。
核心简单字段类型
Elasticsearch 支持如下简单字段类型:
- 字符串: text,keyword
- 整数:byte,short,integer,long
- 浮点数: float,double
- 布尔型: boolean
- 日期: date
更多的字段类型比如 geo_point,ip,nested 等可以在链接处查看:https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html
当你索引一个包含新字段的文档之前,未曾出现 Elasticsearch 会使用动态映射,通过 JSON 中基本数据类型,尝试猜测字段类型,使用如下规则:
JSON 数据 | 字段类型 |
---|---|
布尔型:true 或者 false | boolean |
整数:123 | long |
浮点数:123.45 | double |
字符串,有效日期:2021-05-01 | date |
字符串:foo bar | text 和 keyword |
注意:如果你通过引号 ( "123" ) 索引一个数字,它会被映射为字符串类型 text 和 keyword,而不是 long 。但如果这个字段已经映射为 long ,那么 Elasticsearch 会尝试将这个字符串转化为 long (在 coerce 设置为 true 的情况下),如果无法转化,则抛出一个异常。
查看映射
通过 /_mapping ,我们可以查看 Elasticsearch 在一个或多个索引中的映射。
Elasticsearch 文档写入示例:
PUT twitter/_doc/1
{
"user": "kimchy",
"post_date": "2009-11-15T13:12:00",
"message": "Trying out Elasticsearch, so far so good?"
}
PUT twitter/_doc/2
{
"user": "kimchy",
"post_date": "2009-11-15T14:12:12",
"message": "Another tweet, will it be indexed?"
}
PUT twitter/_doc/3
{
"user": "elastic",
"post_date": "2010-01-15T01:46:38",
"message": "Building the site, should be kewl"
}
查看索引映射示例:
GET twitter/_mapping
Elasticsearch 根据我们索引的文档,为字段动态生成的映射:
{
"twitter" : {
"mappings" : {
"properties" : {
"message" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"post_date" : {
"type" : "date"
},
"user" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
}
}
}
注意:错误的映射,例如将年龄字段映射为 text 类型,而不是 integer ,会导致查询出现令人困惑的结果。
检查一下,而不是假设你的映射是正确的。
自定义字段映射
尽管在很多情况下基本字段数据类型已经够用,但你经常需要为单独字段自定义映射,特别是字符串字段。自定义映射允许你执行下面的操作:
- 全文字符串字段和精确值字符串字段的区别
- 使用特定语言分析器
- 优化字段以适应部分匹配
- 指定自定义数据格式
- 还有更多
字段最重要的属性是 type 。
{
"number_of_clicks": {
"type": "integer"
}
}
字符串字段类型,包括全文字符串 text 和精确值字符串 keyword。
text 类型字段的最重要属性是分析器 analyzer,默认 Elasticsearch 使用 Standard 分析器, 但你可以指定一个内置的分析器替代它,例如 whitespace 、 simple 、english、cjk:
{
"message": {
"type": "text",
"analyzer": "cjk"
}
}
创建/更新映射
当你首次创建一个索引的时候,可以指定类型的映射。你也可以使用 /_mapping 更新映射。
我们可以更新一个映射来添加一个新字段,但不能更新一个现有的 mapping 把它的字段类型从一个变为另外一个,比如从 text 变为 keyword。我
们可以在维持现有 mapping 的情况下,把一个字段变成一个 multi-field 字段。
为了描述指定映射的两种方式,我们先删除 twitter 索引:
DELETE twitter
创建一个新索引,指定 message 字段使用 cjk 分析器:
PUT twitter
{
"settings": {
"number_of_shards": "5",
"number_of_replicas": "1"
},
"mappings": {
"properties": {
"user": {
"type": "keyword"
},
"post_date": {
"type": "date"
},
"message": {
"type": "text",
"analyzer": "cjk"
}
}
}
}
通过消息体中指定的 mappings 创建了索引映射,索引设置 settings 中通过 number_of_shards 指定分片数,number_of_replicas 指定副本数。
给映射增加一个新的名为 tag 的 keyword 类型字段,使用 _mapping :
PUT twitter/_mapping
{
"properties": {
"tag": {
"type": "keyword"
}
}
}
我们不需要再次列出所有已存在的字段,因为无论如何我们都无法改变它们,新字段已经被合并到存在的映射中。
测试映射
可以使用 analyze API 测试字符串字段的映射,比较下面两个请求的输出:
GET /twitter/_analyze
{
"field": "message",
"text": "搜索引擎"
}
GET /twitter/_analyze
{
"field": "tag",
"text": "搜索引擎"
}
消息体里面传入我们想要分析的文本。message 字段产生 3 个词条 ”搜索“、”索引” 和 ”引擎“, tag 字段产生单独的词条”搜索引擎“,换句话说,我们的映射正常工作。