Elasticsearch 每日一课：存储一个 float 值到 long 字段会怎么样？

今天我们要讨论的主题会让很多新手感到困惑，因为本身这个问题就挺难理解的。但如果你对 ES 比较熟悉，今天的内容也可以测试一下你对 ES 数据类型方面的知识是否牢靠。

一、默认的 Numeric 类型

首先，我们创建一个索引：

PUT orders/_doc/1
{
  "order_id": 1
}

如上示例，利用 Dynamic Mapping，系统会为自动为 orders 索引创建一个 Mapping，那么默认的情况下，order_id 这个字段会被推断为啥类型呢？

下面是这个 orders 索引的 Mapping：

# 获取 Mapping
GET orders/_mapping

# 结果：
{
  "orders" : {
    "mappings" : {
      "properties" : {
        "order_id" : { "type" : "long" }
      }
    }
  }
}

如上示例，很明显 Dynamic Mapping 推断的 order_id 为 long 类型。

那如果我们对这个 order_id 字段写入一些非整型数字会发生啥情况呢？在 Kibana 中执行以下命令来插入文档：

PUT orders/_doc/2
{
  "order_id": 2
}

PUT orders/_doc/3
{
  "order_id": "3"
}

PUT orders/_doc/4
{
  "order_id": 4.5
}

PUT orders/_doc/5
{
  "order_id": "5.5"
}

PUT orders/_doc/6
{
  "order_id": "六"
}

文档 2 跟文档 1 相似，所以肯定可以插入。但当我们尝试把一个字符串、float，甚至字符串形式的 float 值存储到 long 类型字段时会发生啥呢？可以肯定的是，除了文档 6，其他都可以成功存储，但为啥呢？

二、coerce 对数据处理

默认的情况下，ES 将会用 coerce 来处理不符合规则的数据。Coercion 会尝试转换不符合字段类型的数据，例如：

• 字符串会被转换到 numbers。
• Float 会被截断，转换为 integer。

ok，有了 coerce，那我们通过 search 接口获取到的 order_id 会是 1，2，3，4，5 吗？其实不然：

# 获取数据
GET orders/_search
{
  "query": { "match_all": {} }
}

# 结果
{
  "_shards" : {.....},
  "hits" : {
    ......
    "hits" : [
      {
        "_id" : "1",
        "_source" : { "order_id" : 1 }
      },
      {
        "_id" : "2",
        "_source" : { "order_id" : 2 }
      },
      {
        "_id" : "3",
        "_source" : { "order_id" : "3" }
      },
      {
        "_id" : "4",
        "_source" : { "order_id" : 4.5 }
      },
      {
        "_id" : "5",
        "_source" : { "order_id" : "5.5" }
      }
    ]
  }
}

看到上面的结果，你是不是蒙圈了？不是说会数据转换处理的吗？如果此时再次查看 Mapping 的话，发现 order_id 的的确确是 long 类型的。

三、不会被改变的 _source

上述的这个疑问其实很好解答，因为 ES 不会改变 _source 的内容。简单来说就是 _source 的数据其实存储在一个地方，而 order_id 这个字段的索引数据却存储在另外一个地方，它们不是混着（共用）的。简单来说就是，写入数据的时候，会把 _source 里的 order_id 拿出来，经过 coerce 进行处理，然后对处理后的结果进行索引操作。

可以通过对 order_id 字段做聚合操作来验证这个想法：

# 聚合操作
GET orders/_search
{
  "size": 0,
  "aggs": {
    "the_sum": {
      "sum": { "field": "order_id" }
    }
  }
}

# 结果
{
  ......
  "aggregations" : {
    "the_sum" : {
      "value" : 15.0
    }
  }
}

对 order_id 进行聚合操作，最终得出正确结果，可以证明其数据的类型为 long。

四、总结

最后需要注意的是，coerce 以后可能会被删除！！！关于这部分的信息，你可以参考这个 issue。怎么说呢，默认的情况下去改动用户输入的数据，其实不是一个太好的选择，let it crash 不好吗？

另外，从这里例子中我们可以加深对 Mapping 和索引理解。Mapping 其实是描述了索引的设置和各个字段的属性，但并没有太限制用户输入的 _source 是否严格与字段类型相匹配（默认的情况下）。

最后，如果你对 ES 感兴趣，欢迎订阅我的《Elasticsearch 从入门到实践》小册。