Elasticsearch实践（三）：Mapping

头像
飞鸿影
    阅读 9 分钟
    2
    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 /user

PUT /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 /user

PUT /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/...

    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/...

    参考

    1、Mapping | Elasticsearch Reference [6.4] | Elastic
    https://www.elastic.co/guide/...
    2、Elasticsearch 6.x Mapping设置 - 小旋锋
    https://mp.weixin.qq.com/s/pB...
    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/xinguim...
    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/11...
    5、ElasticSearch的_all域 | 学步园
    https://www.xuebuyuan.com/205...
    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/...
    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/xifeiji...
    8、Field datatypes | Elasticsearch Reference [6.2] | Elastic
    https://www.elastic.co/guide/...

    elasticsearch
    飞鸿影
    1.4k 声望442 粉丝

    一个人至少拥有一个梦想，有一个理由去坚强。心若没有栖息的地方，到哪里都是在流浪。

    « 上一篇
    Elasticsearch实践（二）：搜索
    下一篇 »
    Elasticsearch实践（四）：IK分词

    引用和评论

    推荐阅读
    头像
    安装低版本微信

    飞鸿影阅读 1.3k

    头像
    查询性能提升 10 倍、存储空间节省 65%，Apache Doris 半结构化数据分析方案及典型场景

    SelectDB技术团队赞 1阅读 343

    头像
    Elasticsearch 8.x 重要变化（qbit）

    qbit阅读 574

    头像
    关于 Elasticsearch 同义词的困惑（qbit）

    qbit阅读 350评论 1

    头像
    Elasticsearch搭建、结合spring boot、简单示例

    LLL_赞 1阅读 319

    头像
    Elasticsearch 8 RAG 技术分享

    阿里云大数据AI阅读 284

    头像
    Docker如何修改Elasticsearch容器的密码

    Smoke阅读 281

    0 条评论
    得票最新