Elasticsearch7.X Mapping 常见字段类型整理

一、核心数据类型

  • 字符串:text, keyword
  • 数值型:long, integer, short, byte, double, float, half_float, scaled_float
  • 布尔型:boolean
  • 日期型:date, date_nanos
  • 二进制:binary
  • 范围型:integer_range, float_range, long_range, double_range, date_range

1. 字符串

text

text 类型的字段数据会被分词,在生成倒排索引以前,字符串会被分词器分成一个一个词项。
text 类型的字段不用于排序,很少用于聚合(termsAggregation除外)。
如果一个字段需要被全文搜索或模糊匹配,比如文章内容、产品描述、新闻内容等,应该使用text类型。

keyword

keyword 类型的字段内容不会被分词。
keyword 类型的字段只能通过精确值搜索到,用于过滤、排序、聚合。
适用于索引结构化的字段,比如IP地址、性别和地区等。

2. 数值型

整数

类型 最小值 最大值 说明
byte -128 127 8 位有符号整数(1个字节),相当于MySQL中有符号的 tinyint
short -32768 32767 16 位有符号整数(2个字节),相当于MySQL中有符号的 smallint
integer -2147483648
(-2^31^)
2147483647
(2^31^-1)
32 位有符号整数(4个字节),相当于MySQL中有符号的 int
long -9223372036854775808)
(-2^63^)
9223372036854775807
(2^63^-1)
64 位有符号整数(8个字节),相当于MySQL中有符号的 bigint

对于整数类型的字段,在满足需求的情况下,要尽可能选择范围小的数据类型。比如某个字段的取值最大值不会超过100,那么选择byte类型即可。迄今为止,吉尼斯世界记录的人类的年龄的最大值为134岁,对于年龄字段,short足矣。字段的长度越短,索引和搜索的效率越高。

小数

类型 最小值 最大值 说明
half_float 2^-24^ 65504 16位半精度浮点数
float 2^-149^ (2-2^-23^)·2^127^ 32位单精度浮点数
double 2^-1074^ (2-2^-52^)·2^1023^ 64位双精度浮点数
scaled_float 缩放类型浮点数

处理浮点数时,优先考虑使用scaled float类型。scaled float 是通过缩放因子把浮点数变成long类型,比如价格只需要精确到分,price字段的取值为57.34,设置放大因子为100,存储起来就是5734,所有的API都会把price的取值当作浮点数,事实上Elasticsearch底层存储的是整数类型,因为压缩整数比压缩浮点数更加节省存储空间。

3. 布尔型

如果一个字段是布尔类型,可接受的值为 true, false
Elasticsearch 5.4版本以前,可以接受可被解释为 truefalse 的字符串和数字。
5.4版本以后只接受 true, false, "true", "false"

4. 日期型

date

JSON 没有日期型数据类型,所以在Elasticsearch中,日期可以是:

  • 包含格式化日期的字符串,例如"2015-01-01"或者"2015/01/01 12:10:30"
  • 代表时间毫秒数的长整型数字。
  • 代表时间秒数的整数。

Elasticsearch内部会把日期转换为 UTC (世界标准时间),并将其存储为代表时间毫秒数的长整数。
日期格式可以自定义,如果没有指定格式,则使用默认值:


"strict_date_optional_time||epoch_millis"

这种情况下可以解析下面三种日期格式:

"2020-05-01"
"2020-05-01T12:10:30Z"
1591234567890

date_nanos

此数据类型是对日期数据类型的补充。现有的 date 类型可以存储毫秒级时间。而 date_nanos 可以存储纳秒级时间。

5. 二进制

binary

二进制数据类型接受Base64编码字符串的二进制值。字段不以默认方式存储而且不能搜索。
Base64编码二进制值不能嵌入换行符\n

6. 范围型

类型 说明
integer_range 32 位有符号整数的范围值,-2^31^ ~ 2^31^-1
long_range 62 位有符号整数的范围值,-2^63^ ~ 2^63^-1
float_range 32位单精度浮点数范围值
double_range 64位单精度浮点数范围值
date_range 以64位无符号整数形式表示的日期值范围
ip_range IPv4IPv6 的范围值

二、复合数据类型

1. 对象类型

object

用于存储单个JSON对象。
JSON本质上具有层级关系,文档包含内部对象,内部对象本身还可以包含内部对象。

2. 嵌套类型

nested

用于存储多个JSON对象组成的数组。
nested 类型是 object 类型中的一个特例,可以让对象数组独立索引和查询。Lucene没有内部对象的概念,所以Elasticsearch将对象层次扁平化,转化成字段名字和值构成的简单列表。

三、地理位置类型

1. 地理坐标类型

geo_point

用于存储经纬度坐标对,可用来
查找一定范围内的地理点,这个范围可以是相对于一个中心点的固定距离,也可以是多边形或者地理散列单元。
通过地理位置或者相对于中心点的距离聚合文档。
整合距离到文档的相关性评分中。

用于存储地理位置信息的经纬度坐标对,可用于以下几种场景:

  • 查找一定范围内的地理位置。
  • 通过地理位置或者相对中心点的距离来聚合文档。
  • 把距离因素整合到文档的评分中。
  • 通过距离对文档排序。

2. 地理形状类型

geo_shape

地理形状数据类型有利于索引和搜索任意地理形状,例如矩形、三角形或者其他多边形。无论是数据被索引还是在查询执行的过程中,都可以使用地理形状数据类型在地理点的基础上包含地理形状。
Elasticsearch 使用 GeoJSON 格式来表示地理形状。
GeoJSON 是一种对各种地理数据结构进行编码的格式,对象可以表示几何、特征或者特征集合,支持点、线、面、多点、多线、多面等几何类型。
GeoJSON 里的特征包含一个几何对象和其他属性,特征集合表示一系列特征。
想了解更多关于 GeoJSON 的资料可参考《GeoJSON格式规范说明》

四、特殊类型

IP

IP地址类型,存储 IPv4 和 IPv6 地址

Completion datatype

completion 提供自动补全建议

Token count

token_count 用于统计字符串分词后的词项个数,本质上是一个整数型字段。
例如:映射中指定 name 为 text 类型,增加 name_length 字段用于统计分词后词项的长度,类型为 token_count,分词器为标准分词器。

mapper-murmur3

murmur3 在索引时计算值的哈希值并将它们存储在索引中

mapper-annotated-text

annotated-text 索引包含特殊标记的文本(通常用于标识命名实体)

Percolator

接受来自 query-dsl 的查询

Join

为同一索引中的文档定义父/子关系

Rank feature

Rank features

排名功能,记录数字特性以提高查询时的命中率

Dense vector

密集向量,记录浮点值的密集向量

Sparse vector

稀疏向量,记录浮点值的稀疏向量

Search-as-you-type

按类型搜索,类似文本的字段,为查询进行优化,以实现按类型完成

Alias

别名,定义现有字段的别名

Flattened

允许将整个JSON对象作为单个字段编入索引。

Shape

shape for arbitrary cartesian geometries.

Histogram

histogram for pre-aggregated numerical values for percentiles aggregations.

五、数组类型

数组类型不需要专门指定数组元素的类型,任何字段类型都可以包含在数组内,但是数组中的所有值必须具有相同的数据类型。

  • 字符型数组: ["one", "two"]
  • 整型数组:[1, 2]
  • 数组型数组:[1, [2, 3]] 等同于 [1, 2, 3]
  • 对象数组:[{"name": "Mary", "age": 12}, {"name": "John", "age": 10}]
参考文献:

官方文档v7.6:字段数据类型
《从Lucene到Elasticsearch全文检索实战》
《Elasticsearch技术解析与实战》

阅读 278

推荐阅读
四魂之域
用户专栏

在学习和工作中成长。

985 人关注
86 篇文章
专栏主页
目录