Elasticsearch笔记(十) Mapping 字段类型 keyword text date

前言

• 我们在用MySQL时，如果表结构定义不好，后期开发会不断踩坑。
• 用ES也是如此，虽然ES有mapping动态映射，但是它自动生成的不一定是我们期望的。学好ES的mapping很重要。在学习ES查询和聚合之前，应该先打好mapping的基础，学习顺序不能变。这和学习SQL一样，先学习数据类型有int，char，varchar等，然后再学习group by，having等。

核心字段类型

• ES支持的字段类型很多，但我们工作中常用的也就那些核心字段。
• 一开始学习ES时，掌握好常用的类型，不必要精通每一种，如果工作中遇到了需要用到特殊类型再去研究。
• 学习一门技术要先广度后深度，不能陷入”只见树木，不见森林“。

1 keyword

• keyword是关键词类型，ES把keyword类型的值当作词根存在倒排索引中，不进行分词。
• keyword适合存结构化数据，比如name,age,性别,手机号,status(数据状态),tags(标签)，HttpCode(404,200,500)等。
• 字段常用来精确查询，过滤，排序，聚合时，应设为keyword，而不是数值型。
• 最长支持32766个UTF-8类型的字符，但放入倒排索引时，只截取前一段字符串，长度由ignore_above参数决定。

1.1 举例说明keyword

举例：数据状态字段

比如一个字段status，表示数据的审核状态（1：通过，2：待审核，3：未通过）。 如果设计mapping时，status设为数值型（short，integer, long），那在对status字段做term，terms查询时，可能没有你想象中的快，ES5.X后对数值类型不进行倒排索引了。

#如果一个字段经常用来放查询条件里过滤数据和聚合统计，
#最好设为keyword，而不是数值型
GET pigg/_search
{
  "query": {
    "term": {
      "status": 2
    }
  }
}

1.2 ignore_above是什么？

首先随意往ES插一条数据：

put my_index/_doc/1
{
  "name": "李星云"
}

查看ES自动生成的mapping，name是text类型，其下还有子类型keyword，且"ignore_above" : 256

GET /my_index/_mapping

name定义如下：
"properties" : {
  "name" : {
    "type" : "text",
    "fields" : {
      "keyword" : {
        "type" : "keyword",
        "ignore_above" : 256
      }
    }
  }
}

对于keyword类型， 可设置ignore_above限定字符长度。超过 ignore_above 的字符会被存储，但不会被倒排索引。比如ignore_above=4，”abc“，”abcd“，”abcde“都能存进ES，但是不能根据”abcde“检索到数据。

【1】创建一个keyword类型的字段，ignore_above=4

PUT test_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "message": {
          "type": "keyword",
          "ignore_above": 4
        }
      }
    }
  }
}

【2】向索引插入3条数据：

PUT /test_index/_doc/1
{
  "message": "abc"
}

PUT /test_index/_doc/2
{
  "message": "abcd"
}

PUT /test_index/_doc/3
{
  "message": "abcde"
}

此时ES倒排索引是：

词项	文档ID
abc	1
abcd	2

【3】根据message进行terms聚合：

GET /test_index/_search
{
  "size": 0, 
  "aggs": {
    "term_message": {
      "terms": {
        "field": "message",
        "size": 10
      }
    }
  }
}

返回结果：

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 3,
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "test_index",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "message" : "abcd"
        }
      },
      {
        "_index" : "test_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "message" : "abc"
        }
      },
      {
        "_index" : "test_index",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "message" : "abcde"
        }
      }
    ]
  },
  "aggregations" : {
    "term_message" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [#注意这分组里没有”abcde“
        {
          "key" : "abc",
          "doc_count" : 1
        },
        {
          "key" : "abcd",
          "doc_count" : 1
        }
      ]
    }
  }
}

【4】根据”abcde“进行term精确查询,结果为空

GET /test_index/_search
{
  "query": {
    "term": {
      "message": "abcde"
    }
  }
}

然后结果：
  "hits" : {
    "total" : 0,
    "max_score" : null,
    "hits" : [ ]
  }

通过上面结果能知道”abcde“已经存入ES，也可以搜索出来，但是不存在词项”abcde“，不能根据”abcde“作为词项进行检索。
对于已存在的keyword字段，其ignore_above子属性可以修改，但只对新数据有效。

2 text

• text文本类型，如果要对字符串进行分词分析，可以设置为text。
• ES自带了很多分词器，如果是中文，可以给ES安装ik中文分词插件。
• 关于分词器属性的配置可以参考ES官网分析的章节。

2.1 举例说明text类型分词

在上面1.1.2节，新增了my_index索引，其中name是text类型。
分析在name上”I am a coder“这个短语是怎么被分词的。

GET /my_index/_analyze
{
  "field": "name",
  "text": "I am a coder"
}

结果如下图，这短语分成4个词项，其中大写”I“还转换为小写”i“。

字符串”I am a coder“，ES不会把这个完整的字符串保存起来，它保存的形式如下：

词	假设文档ID=1
i	1
am	1
a	1
coder	1

所以根据”I am a coder“这完整字符串是查询不到数据的。

3 Boolean类型

判断	ES接受的值
真	true, “true”
假	false, “false”

4 日期类型

JSON没有date数据类型，所以ES里日期可有以下数据：

• 日期格式的字符串，如"2015-01-01"或"2015/01/01 12:10:30"
• 从开始纪元（1970-01-01 00:00:00 UTC）开始的毫秒数-长整型
• 从开始纪元（1970-01-01 00:00:00 UTC）开始的秒数-整型

上面的UTC(Universal Time Coordinated) 叫做世界统一时间，中国大陆和 UTC 的时差是 + 8 ,也就是 UTC+8。在ES内部，时间以毫秒数的UTC存储。

date的格式可以被指定的，如果没有特殊指定，默认格式是"strict_date_optional_time||epoch_millis"
这段话可以理解为格式为strict_date_optional_time或者epoch_millis

4.1 什么是epoch_millis？

epoch_millis就是从开始纪元（1970-01-01 00:00:00 UTC）开始的毫秒数-长整型。

4.2 什么是strict_date_optional_time？

strict_date_optional_time是date_optional_time的严格级别，这个严格指的是年份、月份、天必须分别以4位、2位、2位表示，不足两位的话第一位需用0补齐。

常见的格式有如下：

• yyyy
• yyyyMM
• yyyyMMdd
• yyyyMMddHHmmss
• yyyy-MM
• yyyy-MM-dd
• yyyy-MM-ddTHH:mm:ss
• yyyy-MM-ddTHH:mm:ss.SSS
• yyyy-MM-ddTHH:mm:ss.SSSZ

工作常见到是"yyyy-MM-dd HH:mm:ss"，但是ES是不支持这格式的，需要在dd后面加个T，这个是固定格式。上面最后一个里大写的"Z"表示时区。
下面做测试：

#新增一个索引，设置birthday是date格式。
PUT /test_date_index
{
  "mappings": {
    "_doc":{
      "properties":{
        "birthday":{
          "type": "date"
        }
      }
    }
  }
}

#插入yyyy-MM-dd HH:mm:ss格式
PUT /test_date_index/_doc/3
{
  "birthday": "2020-03-01 16:29:41"
}

结果报错：
"caused_by": {
  "type": "illegal_argument_exception",
  "reason": "Invalid format: \"2020-03-01 16:29:41\" is malformed at \" 16:29:41\""
}

#插入 yyyy-MM-ddTHH:mm:ss格式，ES返回成功
PUT /test_date_index/_doc/4
{
  "birthday": "2020-03-01T16:29:41"
}

4.3 你就是想用yyyy-MM-dd HH:mm:ss？

date类型，还支持一个参数format，它让我们可以自己定制化日期格式。
比如format配置了“格式A||格式B||格式C”，插入一个值后，会从左往右匹配，直到有一个格式匹配上。

#先删除索引
DELETE test_date_index

#重建索引
PUT /test_date_index
{
  "mappings": {
    "_doc":{
      "properties":{
        "birthday":{
          "type": "date",
           "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
        }
      }
    }
  }
}

#2020/03/01 17:44:09的毫秒级时间戳
PUT /test_date_index/_doc/1
{
  "birthday": 1583055849000
}

PUT /test_date_index/_doc/2
{
  "birthday": "2020-03-01 16:29:41"
}

PUT /test_date_index/_doc/3
{
  "birthday": "2020-02-29"
}
#上面3条语句都可以保存成功