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
需要注意的是,在索引中定义太多字段可能会导致索引膨胀,出现内存不足和难以恢复的情况,下面有几个设置:
- index.mapping.total_fields.limit:一个索引中能定义的字段的最大数量,默认是 1000
- index.mapping.depth.limit:字段的最大深度,以内部对象的数量来计算,默认是20
- index.mapping.nested_fields.limit:索引中嵌套字段的最大数量,默认是50
数据类型
核心数据类型
- 字符串 - text
- 用于全文索引,该类型的字段将通过分词器进行分词,最终用于构建索引
- 字符串 - keyword
- 不分词,只能搜索该字段的完整的值,只用于 filtering
- 数值型
- long:有符号64-bit integer:-2^63 ~ 2^63 - 1
- integer:有符号32-bit integer,-2^31 ~ 2^31 - 1
- short:有符号16-bit integer,-32768 ~ 32767
- byte: 有符号8-bit integer,-128 ~ 127
- double:64-bit IEEE 754 浮点数
- float:32-bit IEEE 754 浮点数
- half_float:16-bit IEEE 754 浮点数
- scaled_float
- 布尔 - boolean
- 值:false, "false", true, "true"
- 日期 - date
- 由于Json没有date类型,所以es通过识别字符串是否符合format定义的格式来判断是否为date类型
- format默认为:
strict_date_optional_time||epoch_millis
format
- 二进制 - binary
- 该类型的字段把值当做经过 base64 编码的字符串,默认不存储,且不可搜索
- 范围类型
- 范围类型表示值是一个范围,而不是一个具体的值
- 譬如 age 的类型是 integer_range,那么值可以是 {"gte" : 10, "lte" : 20};搜索 "term" : {"age": 15} 可以搜索该值;搜索 "range": {"age": {"gte":11, "lte": 15}} 也可以搜索到
- range参数 relation 设置匹配模式
- INTERSECTS :默认的匹配模式,只要搜索值与字段值有交集即可匹配到
- WITHIN:字段值需要完全包含在搜索值之内,也就是字段值是搜索值的子集才能匹配
- CONTAINS:与WITHIN相反,只搜索字段值包含搜索值的文档
- integer_range
- float_range
- long_range
- double_range
- date_range:64-bit 无符号整数,时间戳(单位:毫秒)
- ip_range:IPV4 或 IPV6 格式的字符串
# 创建range索引
PUT range_index
{
"mappings": {
"_doc": {
"properties": {
"expected_attendees": {
"type": "integer_range"
},
"time_frame": {
"type": "date_range",
"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
}
}
}
}
}
# 插入一个文档
PUT range_index/_doc/1
{
"expected_attendees" : {
"gte" : 10,
"lte" : 20
},
"time_frame" : {
"gte" : "2015-10-31 12:00:00",
"lte" : "2015-11-05"
}
}
# 12在 10~20的范围内,可以搜索到文档1
GET range_index/_search
{
"query" : {
"term" : {
"expected_attendees" : {
"value": 12
}
}
}
}
# within可以搜索到文档
# 可以修改日期,然后分别对比CONTAINS,WITHIN,INTERSECTS的区别
GET range_index/_search
{
"query" : {
"range" : {
"time_frame" : {
"gte" : "2015-11-02",
"lte" : "2015-11-03",
"relation" : "within"
}
}
}
}
复杂数据类型
- 数组类型 Array
- 字符串数组 [ "one", "two" ]
- 整数数组 [ 1, 2 ]
- 数组的数组 [ 1, [ 2, 3 ]],相当于 [ 1, 2, 3 ]
- Object对象数组 [ { "name": "Mary", "age": 12 }, { "name": "John", "age": 10 }]
- 同一个数组只能存同类型的数据,不能混存,譬如 [ 10, "some string" ] 是错误的
- 数组中的 null 值将被 null_value 属性设置的值代替或者被忽略
- 空数组 [] 被当做 missing field 处理
- 对象类型 Object
- 对象类型可能有内部对象
- 被索引的形式为:manager.name.first
# tags字符串数组,lists 对象数组
PUT my_index/_doc/1
{
"message": "some arrays in this document...",
"tags": [ "elasticsearch", "wow" ],
"lists": [
{
"name": "prog_list",
"description": "programming list"
},
{
"name": "cool_list",
"description": "cool stuff list"
}
]
}
- 嵌套类型 Nested
- nested 类型是一种对象类型的特殊版本,它允许索引对象数组,独立地索引每个对象
嵌套类型与Object类型的区别
通过例子来说明:
- 插入一个文档,不设置mapping,此时 user 字段被自动识别为对象数组
DELETE my_index
PUT my_index/_doc/1
{
"group" : "fans",
"user" : [
{
"first" : "John",
"last" : "Smith"
},
{
"first" : "Alice",
"last" : "White"
}
]
}
- 查询 user.first为 Alice,user.last 为 Smith的文档,理想中应该找不到匹配的文档
- 结果是查到了文档1,为什么呢?
GET my_index/_search
{
"query": {
"bool": {
"must": [
{ "match": { "user.first": "Alice" }},
{ "match": { "user.last": "Smith" }}
]
}
}
}
- 是由于Object对象类型在内部被转化成如下格式的文档:
{
"group" : "fans",
"user.first" : [ "alice", "john" ],
"user.last" : [ "smith", "white" ]
}
user.first 和 user.last 扁平化为多值字段,alice 和 white 的关联关系丢失了。导致这个文档错误地匹配对 alice 和 smith 的查询
如果最开始就把user设置为 nested 嵌套对象呢?
DELETE my_index
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"user": {
"type": "nested"
}
}
}
}
}
PUT my_index/_doc/1
{
"group": "fans",
"user": [
{
"first": "John",
"last": "Smith"
},
{
"first": "Alice",
"last": "White"
}
]
}
- 再来进行查询,可以发现以下第一个查不到文档,第二个查询到文档1,符合我们预期
GET my_index/_search
{
"query": {
"nested": {
"path": "user",
"query": {
"bool": {
"must": [
{ "match": { "user.first": "Alice" }},
{ "match": { "user.last": "Smith" }}
]
}
}
}
}
}
GET my_index/_search
{
"query": {
"nested": {
"path": "user",
"query": {
"bool": {
"must": [
{ "match": { "user.first": "Alice" }},
{ "match": { "user.last": "White" }}
]
}
},
"inner_hits": {
"highlight": {
"fields": {
"user.first": {}
}
}
}
}
}
}
nested对象将数组中每个对象作为独立隐藏文档来索引,这意味着每个嵌套对象都可以独立被搜索
需要注意的是:
- 使用 nested 查询来搜索
- 使用 nested 和 reverse_nested 聚合来分析
- 使用 nested sorting 来排序
- 使用 nested inner hits 来检索和高亮
地理位置数据类型
- geo_point
- 地理位置,其值可以有如下四中表现形式:
- object对象:"location": {"lat": 41.12, "lon": -71.34}
- 字符串:"location": "41.12,-71.34"
- geohash:"location": "drm3btev3e86"
- 数组:"location": [ -71.34, 41.12 ]
- 查询的时候通过 Geo Bounding Box Query 进行查询
- 地理位置,其值可以有如下四中表现形式:
- geo_shape
专用数据类型
- 记录IP地址 ip
- 实现自动补全 completion
- 记录分词数 token_count
- 记录字符串hash值 murmur3
- Percolator
# ip类型,存储IP
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"ip_addr": {
"type": "ip"
}
}
}
}
}
PUT my_index/_doc/1
{
"ip_addr": "192.168.1.1"
}
GET my_index/_search
{
"query": {
"term": {
"ip_addr": "192.168.0.0/16"
}
}
}
多字段特性 multi-fields
- 允许对同一个字段采用不同的配置,比如分词,常见例子如对人名实现拼音搜索,只需要在人名中新增一个子字段为 pinyin 即可
- 通过参数 fields 设置
设置Mapping
GET my_index/_mapping
# 结果
{
"my_index": {
"mappings": {
"doc": {
"properties": {
"age": {
"type": "integer"
},
"created": {
"type": "date"
},
"name": {
"type": "text"
},
"title": {
"type": "text"
}
}
}
}
}
}
Mapping参数
analyzer
- 分词器,默认为standard analyzer,当该字段被索引和搜索时对字段进行分词处理
boost
- 字段权重,默认为1.0
dynamic
- Mapping中的字段类型一旦设定后,禁止直接修改,原因是:Lucene实现的倒排索引生成后不允许修改
- 只能新建一个索引,然后reindex数据
- 默认允许新增字段
- 通过dynamic参数来控制字段的新增:
- true(默认)允许自动新增字段
- false 不允许自动新增字段,但是文档可以正常写入,但无法对新增字段进行查询等操作
- strict 文档不能写入,报错
PUT my_index
{
"mappings": {
"_doc": {
"dynamic": false,
"properties": {
"user": {
"properties": {
"name": {
"type": "text"
},
"social_networks": {
"dynamic": true,
"properties": {}
}
}
}
}
}
}
}
定义后my_index这个索引下不能自动新增字段,但是在user.social_networks下可以自动新增子字段
copy_to
- 将该字段复制到目标字段,实现类似_all的作用
- 不会出现在_source中,只用来搜索
DELETE my_index
PUT my_index
{
"mappings": {
"doc": {
"properties": {
"first_name": {
"type": "text",
"copy_to": "full_name"
},
"last_name": {
"type": "text",
"copy_to": "full_name"
},
"full_name": {
"type": "text"
}
}
}
}
}
PUT my_index/doc/1
{
"first_name": "John",
"last_name": "Smith"
}
GET my_index/_search
{
"query": {
"match": {
"full_name": {
"query": "John Smith",
"operator": "and"
}
}
}
}
index
- 控制当前字段是否索引,默认为true,即记录索引,false不记录,即不可搜索
index_options
- index_options参数控制将哪些信息添加到倒排索引,以用于搜索和突出显示,可选的值有:docs,freqs,positions,offsets
- docs:只索引 doc id
- freqs:索引 doc id 和词频,平分时可能要用到词频
- positions:索引 doc id、词频、位置,做 proximity or phrase queries 时可能要用到位置信息
- offsets:索引doc id、词频、位置、开始偏移和结束偏移,高亮功能需要用到offsets
fielddata
- 是否预加载 fielddata,默认为false
- Elasticsearch第一次查询时完整加载这个字段所有 Segment 中的倒排索引到内存中
- 如果我们有一些 5 GB 的索引段,并希望加载 10 GB 的 fielddata 到内存中,这个过程可能会要数十秒
- 将 fielddate 设置为 true ,将载入 fielddata 的代价转移到索引刷新的时候,而不是查询时,从而大大提高了搜索体验
- 参考:预加载 fielddata
eager_global_ordinals
- 是否预构建全局序号,默认false
- 参考:预构建全局序号(Eager global ordinals)
doc_values
- 参考:Doc Values and Fielddata
fields
- 该参数的目的是为了实现 multi-fields
- 一个字段,多种数据类型
- 譬如:一个字段 city 的数据类型为 text ,用于全文索引,可以通过 fields 为该字段定义 keyword 类型,用于排序和聚合
# 设置 mapping
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"city": {
"type": "text",
"fields": {
"raw": {
"type": "keyword"
}
}
}
}
}
}
}
# 插入两条数据
PUT my_index/_doc/1
{
"city": "New York"
}
PUT my_index/_doc/2
{
"city": "York"
}
# 查询,city用于全文索引 match,city.raw用于排序和聚合
GET my_index/_search
{
"query": {
"match": {
"city": "york"
}
},
"sort": {
"city.raw": "asc"
},
"aggs": {
"Cities": {
"terms": {
"field": "city.raw"
}
}
}
}
format
- 由于JSON没有date类型,Elasticsearch预先通过format参数定义时间格式,将匹配的字符串识别为date类型,转换为时间戳(单位:毫秒)
- format默认为:
strict_date_optional_time||epoch_millis
- Elasticsearch内建的时间格式:
名称 | 格式 |
---|---|
epoch_millis | 时间戳(单位:毫秒) |
epoch_second | 时间戳(单位:秒) |
date_optional_time | |
basic_date | yyyyMMdd |
basic_date_time | yyyyMMdd'T'HHmmss.SSSZ |
basic_date_time_no_millis | yyyyMMdd'T'HHmmssZ |
basic_ordinal_date | yyyyDDD |
basic_ordinal_date_time | yyyyDDD'T'HHmmss.SSSZ |
basic_ordinal_date_time_no_millis | yyyyDDD'T'HHmmssZ |
basic_time | HHmmss.SSSZ |
basic_time_no_millis | HHmmssZ |
basic_t_time | 'T'HHmmss.SSSZ |
basic_t_time_no_millis | 'T'HHmmssZ |
- 上述名称加前缀
strict_
表示为严格格式 - 更多的查看文档
properties
- 用于_doc,object和nested类型的字段定义子字段
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"manager": {
"properties": {
"age": { "type": "integer" },
"name": { "type": "text" }
}
},
"employees": {
"type": "nested",
"properties": {
"age": { "type": "integer" },
"name": { "type": "text" }
}
}
}
}
}
}
PUT my_index/_doc/1
{
"region": "US",
"manager": {
"name": "Alice White",
"age": 30
},
"employees": [
{
"name": "John Smith",
"age": 34
},
{
"name": "Peter Brown",
"age": 26
}
]
}
normalizer
与 analyzer 类似,只不过 analyzer 用于 text 类型字段,分词产生多个 token,而 normalizer 用于 keyword 类型,只产生一个 token(整个字段的值作为一个token,而不是分词拆分为多个token)
定义一个自定义 normalizer,使用大写uppercase过滤器
PUT test_index_4
{
"settings": {
"analysis": {
"normalizer": {
"my_normalizer": {
"type": "custom",
"char_filter": [],
"filter": ["uppercase", "asciifolding"]
}
}
}
},
"mappings": {
"_doc": {
"properties": {
"foo": {
"type": "keyword",
"normalizer": "my_normalizer"
}
}
}
}
}
# 插入数据
POST test_index_4/_doc/1
{
"foo": "hello world"
}
POST test_index_4/_doc/2
{
"foo": "Hello World"
}
POST test_index_4/_doc/3
{
"foo": "hello elasticsearch"
}
# 搜索hello,结果为空,而不是3条!!
GET test_index_4/_search
{
"query": {
"match": {
"foo": "hello"
}
}
}
# 搜索 hello world,结果2条,1 和 2
GET test_index_4/_search
{
"query": {
"match": {
"foo": "hello world"
}
}
}
其他字段
- coerce
- 强制类型转换,把json中的值转为ES中字段的数据类型,譬如:把字符串"5"转为integer的5
- coerce默认为 true
- 如果coerce设置为 false,当json的值与es字段类型不匹配将会 rejected
- 通过 "settings": { "index.mapping.coerce": false } 设置索引的 coerce
- enabled
- 是否索引,默认为 true
- 可以在_doc和字段两个粒度进行设置
- ignore_above
- 设置能被索引的字段的长度
- 超过这个长度,该字段将不被索引,所以无法搜索,但聚合的terms可以看到
- null_value
- 该字段定义遇到null值时的处理策略,默认为Null,即空值,此时ES会忽略该值
- 通过设定该值可以设定字段为 null 时的默认值
- ignore_malformed
- 当数据类型不匹配且 coerce 强制转换时,默认情况会抛出异常,并拒绝整个文档的插入
- 若设置该参数为 true,则忽略该异常,并强制赋值,但是不会被索引,其他字段则照常
- norms
- norms 存储各种标准化因子,为后续查询计算文档对该查询的匹配分数提供依据
- norms 参数对评分很有用,但需要占用大量的磁盘空间
- 如果不需要计算字段的评分,可以取消该字段 norms 的功能
- position_increment_gap
- 与 proximity queries(近似查询)和 phrase queries(短语查询)有关
- 默认值 100
- search_analyzer
- 搜索分词器,查询时使用
- 默认与 analyzer 一样
- similarity
- 设置相关度算法,ES5.x 和 ES6.x 默认的算法为 BM25
- 另外也可选择 classic 和 boolean
- store
- store 的意思是:是否在 _source 之外在独立存储一份,默认值为 false
- es在存储数据的时候把json对象存储到"_source"字段里,"_source"把所有字段保存为一份文档存储(读取需要1次IO),要取出某个字段则通过 source filtering 过滤
- 当字段比较多或者内容比较多,并且不需要取出所有字段的时候,可以把特定字段的store设置为true单独存储(读取需要1次IO),同时在_source设置exclude
- 关于该字段的理解,参考: es设置mapping store属性
- term_vector
- 与倒排索引相关
Dynamic Mapping
ES是依靠JSON文档的字段类型来实现自动识别字段类型,支持的类型如下:
JSON 类型 | ES 类型 |
---|---|
null | 忽略 |
boolean | boolean |
浮点类型 | float |
整数 | long |
object | object |
array | 由第一个非 null 值的类型决定 |
string | 匹配为日期则设为date类型(默认开启); 匹配为数字则设置为 float或long类型(默认关闭); 设为text类型,并附带keyword的子字段 |
举栗子
POST my_index/doc
{
"username":"whirly",
"age":22,
"birthday":"1995-01-01"
}
GET my_index/_mapping
# 结果
{
"my_index": {
"mappings": {
"doc": {
"properties": {
"age": {
"type": "long"
},
"birthday": {
"type": "date"
},
"username": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
}
}
日期的自动识别
- dynamic_date_formats 参数为自动识别的日期格式,默认为 [ "strict_date_optional_time","yyyy/MM/dd HH:mm:ss Z||yyyy/MM/dd Z"]
- date_detection可以关闭日期自动识别机制
# 自定义日期识别格式
PUT my_index
{
"mappings": {
"_doc": {
"dynamic_date_formats": ["MM/dd/yyyy"]
}
}
}
# 关闭日期自动识别机制
PUT my_index
{
"mappings": {
"_doc": {
"date_detection": false
}
}
}
数字的自动识别
- 字符串是数字时,默认不会自动识别为整形,因为字符串中出现数字完全是合理的
- numeric_detection 参数可以开启字符串中数字的自动识别
Dynamic templates
允许根据ES自动识别的数据类型、字段名等来动态设定字段类型,可以实现如下效果:
- 所有字符串类型都设定为keyword类型,即不分词
- 所有以message开头的字段都设定为text类型,即分词
- 所有以long_开头的字段都设定为long类型
- 所有自动匹配为double类型的都设定为float类型,以节省空间
Dynamic templates API
"dynamic_templates": [
{
"my_template_name": {
... match conditions ...
"mapping": { ... }
}
},
...
]
匹配规则一般有如下几个参数:
- match_mapping_type 匹配ES自动识别的字段类型,如boolean,long,string等
- match, unmatch 匹配字段名
- match_pattern 匹配正则表达式
- path_match, path_unmatch 匹配路径
# double类型的字段设定为float以节省空间
PUT my_index
{
"mappings": {
"_doc": {
"dynamic_templates": [
{
"integers": {
"match_mapping_type": "double",
"mapping": {
"type": "float"
}
}
}
]
}
}
}
自定义Mapping的建议
- 写入一条文档到ES的临时索引中,获取ES自动生成的Mapping
- 修改步骤1得到的Mapping,自定义相关配置
- 使用步骤2的Mapping创建实际所需索引
Index Template 索引模板
- 索引模板,主要用于在新建索引时自动应用预先设定的配置,简化索引创建的操作步骤
- 可以设定索引的setting和mapping
- 可以有多个模板,根据order设置,order大的覆盖小的配置
- 索引模板API,endpoint为 _template
# 创建索引模板,匹配 test-index-map 开头的索引
PUT _template/template_1
{
"index_patterns": ["test-index-map*"],
"order": 2,
"settings": {
"number_of_shards": 1
},
"mappings": {
"doc": {
"_source": {
"enabled": false
},
"properties": {
"name": {
"type": "keyword"
},
"created_at": {
"type": "date",
"format": "YYYY/MM/dd HH:mm:ss"
}
}
}
}
}
# 插入一个文档
POST test-index-map_1/doc
{
"name" : "小旋锋",
"created_at": "2018/08/16 20:11:11"
}
# 获取该索引的信息,可以发现 settings 和 mappings 和索引模板里设置的一样
GET test-index-map_1
# 删除
DELETE /_template/template_1
# 查询
GET /_template/template_1
更多内容请访问我的个人网站: http://laijianfeng.org
参考文档:
- elasticsearch 官方文档
- 慕课网 Elastic Stack从入门到实践