Elasticsearch（二） mapping创建和解析
mapping创建
PUT my_index{
"settings": {
"number_of_shards ": 5,
"number_of_replicas": 1
},
"mappings": {
"my_doc": {
"properties": {
"title": {
"type": "text",
"normalizer": "my_normalizer"
},
"name": {
"type": "text",
"analyzer": "standard",
"boost": 2
},
"age": {
"type": "integer"
},
"created": {
"type": "date",
"format": "strict_date_optional_time||epoch_millis"
}
}
}
}
}curl写法 （后面类似以下写法，不再列出）
curl -X PUT "localhost:9200/my_index" -H 'Content-Type: application/json' -d'
{
# 与上面一致
}
'- my_index index名称
- setting 配置
- my_doc type名
- properties 字段配置
mapping参数
- 字段中的type（es数据类型）
1.text 字符串，分词，全文索引
2.keyword 关键字，不分词，适合id,email等这种不分词的字段
3.numeric 数字类型有integer、long、short、byte、double、float等类型
4.date 时间类型
5.boolean 布尔类型
6.binary 接收base64编码的字符串
7.rang 具体有integer_range，float_range，long_range，double_range，date_range，ip_range，可存储范围数据,如下插入
PUT index/type/id
{
"field_name" : {
"gte" : 10,
"lte" : 20
}
}8.数组类型，es实际上不存在array类型，es每个类型都支持转成数组类型，也就是不管定义成integer还是text等都可以以数组形式存进去，如果需要存integer数组，那只需要将这个字段定义成integer就可以了
9.object 对象类型 json格式
10.nested 嵌套类型，object嵌套数组
11.geo_point 经纬度 可存入对象json,字符串,数组
12.ip 可存ipv4 ipv6地址
13.token_count integet类型,统计词个数
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"name": {
"type": "text",
"fields": {
"length": {
"type": "token_count",
"analyzer": "standard"
}
}
}
}
}
}
}
PUT my_index/_doc/2
{ "name": "Rachel Alice Williams" }
# 查询name字段有三个词的数据
GET my_index/_search
{
"query": {
"term": {
"name.length": 3
}
}
}14.join 用于在同个索引下创建父子关系的类型
# 定义父子关系 question父 answer子
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"my_join_field": {
"type": "join",
"relations": {
"question": "answer"
}
}
}
}
}
}
# 插入父数据
PUT my_index/_doc/1
{
"text": "This is a question",
"my_join_field": {
"name": "question"
}
}
# 插入子数据 routing指向根节点 parent指向直接父节点
PUT my_index/_doc/2?routing=1
{
"text": "This is an answer",
"my_join_field": {
"name": "answer",
"parent": "1"
}
}
其他数据类型还有Alias，mapper-murmur3，mapper-annotated-text,Percolator type，Completion,Geo-Shape datatype
详细参考官方文档 https://www.elastic.co/guide/en/elasticsearch/reference/6.x/mapping-types.html
- analyzer 分析器，作用是分词和词条标准化（比如dogs标准化为dog,大写标准化小写），默认是standard分析器，还可以在创建mapping时配置自定义分析器，并使用自定义分析器。
PUT my_index
{
"settings":{
"analysis":{
"analyzer":{
"my_stop_analyzer":{
"type":"custom",
"tokenizer":"standard",
"filter":[
"lowercase",
"english_stop"
]
}
},
"filter":{
"english_stop":{
"type":"stop",
"stopwords":"_english_"
}
}
}
},
"mappings":{
"_doc":{
"properties":{
"title": {
"type":"text",
"analyzer":"my_analyzer"
}
}
}
}
}
- normalizer 与analyzer类似，但是分词结果都是单一词
- boost 设置查询相关性权重，默认是1
- coerce 是否强制转换，默认为true，比如integer类型参数可以直接传递字符串数字，会自动转为数字。设置为false则不会强转，则参数值传递字符串会报错。
- copy_to 可将字段指向一个组别，之后的查询可直接查询该组别，查询范围会从组别包含的字段中进行查询，多个值用空格隔开，类似_all。
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"first_name": {
"type": "text",
"copy_to": "full_name"
},
"last_name": {
"type": "text",
"copy_to": "full_name"
}
}
}
}
}
PUT my_index/_doc/1
{
"first_name": "John",
"last_name": "Smith"
}
GET my_index/_search
{
"query": {
"match": {
"full_name": {
"query": "John Smith",
"operator": "and"
}
}
}
}查询结果为
"_source": {
"first_name": "John",
"last_name": "Smith"
}- doc_values 一般与keyword结合使用，默认为true,即查询可通过该字段进行排序和聚合查询，但是设置为fasle则不可通过该字段排序和聚合查询，但是相应会比较节省内存空间。
- dynamic 默认为true,es默认可以动态新增字段，改为false则不可动态插入不存在的字段名，该参数与properties参数同级
PUT my_index
{
"mappings": {
"_doc": {
"dynamic": false,
"properties": {
"user":{
"type":"text"
}
}
}
}- enabled 默认为true，设置为false则该字段不可被索引
- eager_global_ordinals 设置为true可以提高查询速度，但会降低更新速度，只可用在keyword类型使用，text类型只能在设置fileddata参数为ture时使用
- fileddata 与text配合使用，默认text类型不可支持排序和聚合查询，设置fileddata后即可，实现效果与新增keyword类型fields一致。
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"my_field": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword"
}
}
}
}
}
}
}- format 一般与日期类型一起使用，格式化日期
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"date": {
"type": "date",
"format": "yyyy-MM-dd"
}
}
}
}
}- ignore_malformed 忽略异常插入的数据，默认为false，即插入异常数据会报错，比如integer类型插入非数字字符串，则会报错，设置为true则允许错误数据，可以插入。
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"number_one": {
"type": "integer",
"ignore_malformed": true
},
"number_two": {
"type": "integer"
}
}
}
}
}- ignore_above 限制字段字符串长度,只能和keyword类型一起用，插入的数据超过限制数的数据不报错，但是不会被存储，搜索不到
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"message": {
"type": "keyword",
"ignore_above": 20
}
}
}
}
}- index 默认为true,设置为false则该字段不会存索引，即不可被搜索到。
- fields 为一个字段设定一个子字段，一般是由于当前字段数据类型不满足某种查询时使用，比如text类型的字段，想要排序就需要设置keyword类型的fields 通过此field进行排序，如下
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"city": {
"type": "text",
"fields": {
"raw": {
"type": "keyword"
}
}
}
}
}
}
}
PUT my_index/_doc/1
{
"city": "New York"
}
GET my_index/_search
{
"query": {
"match": {
"city": "york"
}
},
"sort": {
"city.raw": "asc"
},
"aggs": {
"Cities": {
"terms": {
"field": "city.raw"
}
}
}
}- norms 规范化，默认为ture,如果该字段不参与计分，则可以设置为false以节省硬盘空间
- null_value 指定该字段为null或空数组时对应的索引值，默认null不可被索引，使用方式如下
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"status_code": {
"type": "keyword",
"null_value": "NULL"
}
}
}
}
}
PUT my_index/_doc/1
{
"status_code": null
}
PUT my_index/_doc/2
{
"status_code": []
}
GET my_index/_search
{
"query": {
"term": {
"status_code": "NULL"
}
}
}- position_increment_gap 词间差距，当一个字段有多个值，默认该值为100,如下,因为Abraham 和 Lincoln分别在数组的两个词中，因此他们的伪差距为100，所以搜索不出来
PUT my_index/_doc/1
{
"names": [ "John Abraham", "Lincoln Smith"]
}
GET my_index/_search
{
"query": {
"match_phrase": {
"names": {
"query": "Abraham Lincoln"
}
}
}
}通过此方式修改该字段伪差距
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"names": {
"type": "text",
"position_increment_gap": 0
}
}
}
}
}
修改为0后，便可跨词搜索出来，但是必须和Abraham 和 Lincoln一样是相邻的词
- properties 配置type字段或子字段，自字段可如下配置嵌套类型和object
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"manager": {
"properties": {
"age": { "type": "integer" },
"name": { "type": "text" }
}
},
"employees": {
"type": "nested",
"properties": {
"age": { "type": "integer" },
"name": { "type": "text" }
}
}
}
}
}
}- search_analyzer 配置字段查询分析器，与analyzer一样，但只用在搜索时，同时存在则搜索以这个为主（注 es新增数据索引和搜索都是通过指定分析器进行分词）
- similarity 配置字段相关度计算算法，默认是BM25,还可配置classic（TF/IDF算法），boolean（不计算相关度，只看查询内容是否完全匹配）
- store 是否存储源数据，默认是true，即会存储源数据，设置为false则该字段不保存数据，一般用于映射
- term_vector 词条向量，默认为false 参数有以下几个
- no 默认，不存储词条向量
- yes 分词对应的字段会被存储
- with_positions 分词和每个词的位置会被存储
- with_offsets 分词和分词的起始和结束字符偏移量会被存储
- with_positions_offsets 分词 位置和向量会被存储
Meta FIelds 元字段
- _all _all字段会将其他字段的值连接成一个大字符串，使用空格分隔，然后进行分析和索引，但是不进行存储，即可通过_all字段进行搜索所有字段服务的值，但查不到该字段的值，设置为true,则可通过查询_all查询所有。该字段中的值都会被当做字符串处理，比如日期类型2018-09-10会被当做字符串分割为2018 09 10 三个词。需要注意的是6.0以上版本该字段已经弃用，如果需要实现类似效果，可在需要用的字段配置move_to参数。例子如下
GET my_index/_search
{
"query": {
"match": {
"_all": "Tom Terry"
}
}
}- _field_names 索引包含除null之外的任何值的文档中每个字段的名称,可通过指定字段名查询，使用如下，已禁用。
GET my_index/_search
{
"query": {
"terms": {
"_field_names": [ "name" ]
}
}
}- _ignored 6.4版本后新增的元字段，通过此字段可查询到之前被忽略的异常而插入的数据信息(注：字段通过配置ignore_malformed参数，可忽略异常插入错误数据，比如将非数字的字符串插入数字类型的字段)
GET _search
{
"query": {
"exists": {
"field": "_ignored"
}
}
}- _id 通过该字段可以做id查询 如下查询id为1 2的数据
GET my_index/_search
{
"query": {
"terms": {
"_id": [ "1", "2" ]
}
}
}- _index 通过此元字段可以进行index层面的排序、聚合、查询等。如下例子，指定查询index，通过index聚合查询。
GET index_1,index_2/_search
{
"query": {
"terms": {
"_index": ["index_1", "index_2"]
}
},
"aggs": {
"indices": {
"terms": {
"field": "_index",
"size": 10
}
}
}
}- _meta 用于存储一些特定信息 如下存储类信息。
PUT my_index
{
"mappings": {
"user": {
"_meta": {
"class": "MyApp::User",
"version": {
"min": "1.0",
"max": "1.3"
}
}
}
}
}- _routing 指定分片路由字段，分片计算方式如下，默认的_routing 是_id，即通过id值计算路由
shard_num = hash(_routing) % num_primary_shards
通过以下方式可以指定路由键为user1,插入数据
PUT my_index/_doc/1?routing=user1&refresh=true
{
"title": "This is a document"
}
GET my_index/_doc/1?routing=user1 通过以下方式请求可以指定只在user1和user2路由键相关联的分片上查找
GET my_index/_search?routing=user1,user2
{
"query": {
"match": {
"title": "document"
}
}
}如果带路由键插入，但是不带路由键查询，会根据id计算分片，查找不到可能会导致遍历所有分片，因此可以在创建mapping时指定必须带路由键操作。
PUT my_index2
{
"mappings": {
"_doc": {
"_routing": {
"required": true
}
}
}
}- _source 源数据，如果enabled设置为false则不存储数据，配置如下
PUT tweets
{
"mappings": {
"_doc": {
"_source": {
"enabled": false
}
}
}
}一般用于配置某些字段不存储数据 配置如下,includes表示存储数据的字段，excludes标识不存储数据的字段。
PUT logs
{
"mappings": {
"_doc": {
"_source": {
"includes": [
"*.count",
"meta.*"
],
"excludes": [
"meta.description",
"meta.other.*"
]
}
}
}
}
PUT logs/_doc/1
{
"requests": {
"count": 10,
"foo": "bar"
},
"meta": {
"name": "Some metric",
"description": "Some metric description",
"other": {
"foo": "one",
"baz": "two"
}
}
}
- _type 与_id类似，可通过type类型进行查询,排序，聚合等。6.0版本后废弃
- _uid 唯一id,即在同个index中，uid可以唯一标识任意type中的数据。用法与_type _id类似。6.0版本后废弃
GET my_index/_search
{
"query": {
"terms": {
"_uid": [ "_doc#1", "_doc#2" ]
}
}