7.elasticsearch字段类型列表

【README】

1.本文总结自  Field datatypes | Elasticsearch Guide [7.2] | Elastic

2.本文罗列了 elasticsearch常用的字段类型；

3.es字段类型总结（https://www.elastic.co/guide/en/elasticsearch/reference/7.2/mapping-types.html）：

• 1）核心数据类型：
  • string字符串：
    • text：文本类型（分词）；
    • keyword：关键字类型（不分词）；
  • numeric-数值类型：
    • long, integer, short, byte, double, float, half_float, scaled_float  
  • date-日期类型（存储自unix纪元以来的毫秒数）；
  • date_nanos：日期纳秒类型（存储自unix纪元以来的纳秒数）；
  • boolean-布尔类型；
  • binary-二进制类型；
  • range-范围类型:    
    • integer_range, float_range, long_range, double_range, date_range
• 2）复杂数据类型
  • object：对象类型；存储单个json对象；
  • nested：嵌套类型；存储json对象数组；    
• 3）数组类型（字段数组类型）
  • 数组不需要专用的数据类型。一个字段默认可以包含0个或多个值。然而，数组中的所有值必须是同一种类型；
• 4）多字段类型：
  • 根据不同目的以不同方式索引同一字段是有帮助的；
  • 举例，字符串字段可以被映射为 text字段以便全文搜索，也可以映射为keword以便于排序或聚合。
• 5）其他数据类型
  • 如地理位置信息数据类型，ip数据类型等（没有罗列完全）；

---

【1】核心数据类型

【1.1】string字符串（分词）

1）text类型：文本类型（分词）

• 用于定义索引全文值的字段，如电子邮件或产品描述。
• 这些字段会被分析，即在索引前，这些字段会通过一个分析器把字符串转换为单个单词的列表。该分析过程允许es在每个全文字段中搜索单个词汇。Text字段（文本字段）不用于排序与聚合。
• 如果你需要索引结构化内容，如邮件地址，域名，邮编等，也许你应该使用keyword字段类型；
• 补充； text字段参数列表参见； https://www.elastic.co/guide/en/elasticsearch/reference/7.2/text.html

2）keyword：关键字类型（不分词）

• 用于定义索引结构化内容的字段，如邮件地址，域名，邮编等。
• 它们通常用于过滤（查找我所有被发表过的博客帖子），排序，聚合。Keyword字段只能通过他们的精确值被搜索到。
• 补充；keyword字段参数列表参见；https://www.elastic.co/guide/en/elasticsearch/reference/7.2/keyword.html

---

【1.2】Numeric-数值类型

数值类型的子类型列表：

• long, integer, short, byte, double, float, half_float, scaled_float 
• scaled_float 是缩放参数，即 99.99 可以放大100倍进行存储，好处有二：
  • 1，可以节省磁盘空间；
  • 2， 可以提高检索效率；

// 建立索引映射，带有 数值类型
PUT my_index
{
  "mappings": {
    "properties": {
      "number_of_bytes": {
        "type": "integer"
      },
      "time_in_seconds": {
        "type": "float"
      },
      "price": {
        "type": "scaled_float",
        "scaling_factor": 100
      }
    }
  }
}

---

 【1.3】date日期类型

1）Json并没有日期数据类型，因此es中的date字段表示为以下几种形式之一：

• ① 字符串类型：包含格式化日期，如 “2015-01-01”或 “2015/01/01 12:10:13”；
• ② 长整型数字：表示自unix纪元以来的毫秒数；
• ③ 整型数字：表示自unix纪元以来的秒数；

补充：unix纪元是 1970-01-01 00:00:00
2）在es内部，日期被转为世界标准时间UTC（若指定时区）并存储为长整型表示自纪元以来的毫秒数；
3）对日期的查询：

• 在es内部，被转为对长整型数字的范围查询，聚合结果和存储的字段根据关联的日期格式被反转为字符串；

4）日期通常表示为字符串，即便在json文档中以long类型提供；
5）日期格式能够自定义，但若没有指定格式，则默认为如下格式：

• "strict_date_optional_time||epoch_millis"

这意味着该字段可以接收可选的时间戳日期，这些时间戳符合 strict_date_optional_time 或 milliseconds-since-the-epoch 支持的格式。

6）多个日期格式：

• 多个日期格式通过||分割符通过分割来指定。每个格式将被循环尝试直到发现匹配格式。第一个格式将被用于把自纪元以来的毫秒数值反转为字符串；

PUT my_index
{
  "mappings": {
    "properties": {
      "date": {
        "type":   "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
      }
    }
  }
}

---

【1.4】date_nanos （日期带纳秒类型  ）

1）该数据类型是对date类型的补充。 然而，两者有着很大不同。

• date类型使用毫秒分辨率存储日期字段值；
• 而 date_nanos 使用纳秒，这限制了 date_nanos的日期表示范围是 1970到2262年，因为日期字段值被存储为长整型表示自纪元以来的纳秒。

2）date_nanos的其他属性同 date类型。如

PUT my_index?include_type_name=true
{
  "mappings": {
    "_doc": {
      "properties": {
        "date": {
          "type": "date_nanos" 
        }
      }
    }
  }
}

---

【1.5】boolean-布尔类型

1）boolean 接收json的true 和 false值，也接收能够解释为 true或false 的字符串。

• false值： false，”false”, “”
• true值： true , “true”

2）例子：

PUT my_index
{
  "mappings": {
    "properties": {
      "is_published": {
        "type": "boolean"
      }
    }
  }
}

---

【1.6】binary-二进制类型

1）二进制类型接收二进制值作为base64编码的字符串。该类型字段默认不存储且不能被搜索。

// 创建索引 
PUT my_index
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "blob": {
        "type": "binary"
      }
    }
  }
}

// 新增文档 
PUT my_index/_doc/1
{
  "name": "Some binary blob",
  "blob": "U29tZSBiaW5hcnkgYmxvYg==" 
}

---

【1.7】范围类型 （不常用）

1）范围子类型有：

• integer_range, float_range, long_range, double_range, date_range

// 创建索引 
PUT range_index
{
  "settings": {
    "number_of_shards": 2
  },
  "mappings": {
    "properties": {
      "expected_attendees": {
        "type": "integer_range"
      },
      "time_frame": {
        "type": "date_range", 
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
      }
    }
  }
}
// 新增文档 
PUT range_index/_doc/1?refresh
{
  "expected_attendees" : { 
    "gte" : 10,
    "lte" : 20
  },
  "time_frame" : { 
    "gte" : "2015-10-31 12:00:00", 
    "lte" : "2015-11-01"
  }
}

---

【2】复杂数据类型

【2.1】object-对象类型

1）对象类型：针对单个json文档 ；

• Json对象类型本质上是分层的。文档可能包含内部对象，而内部对象还可以包含内部对象（理论上无限嵌套，但嵌套层数越多，解析成本越高，性能越低）。

2）es文档类型

PUT my_index/_doc/1
{ 
  "region": "US",
  "manager": { 
    "age":     30,
    "name": { 
      "first": "John",
      "last":  "Smith"
    }
  }
}

// 内部地，这个文档被索引为简单的，扁平的kv键值对列表，如下：
{
  "region":             "US",
  "manager.age":        30,
  "manager.name.first": "John",
  "manager.name.last":  "Smith"
}
// es映射定义如下：
PUT my_index
{
  "mappings": {
    "properties": { 
      "region": {
        "type": "keyword"
      },
      "manager": { 
        "properties": {
          "age":  { "type": "integer" },
          "name": { 
            "properties": {
              "first": { "type": "text" },
              "last":  { "type": "text" }
            }
          }
        }
      }
    }
  }
} 

---

【2.2】nested嵌套类型（用于存储json对象数组）

1）嵌套类型：针对 json文档数组 ；
2）这种 nested 嵌套类型是object 类型的特别版本，它允许对象数组被索引，通过这种方式使得数组元素可以被独立搜索；
3）数组对象如何被扁平化

• object类型字段的数组无法如你期望的方式工作。Lucene没有内部object的概念，因此es把对象层级扁平化为简单的字段名和值列表。

【2.2.1】es对对象层级的扁平化处理（es用对象类型存储对象数组带来的问题）

PUT my_index/_doc/1
{
  "group" : "fans",
  "user" : [ 
    {
      "first" : "John",
      "last" :  "Smith"
    },
    {
      "first" : "Alice",
      "last" :  "White"
    }
  ]
}
// user 字段被es默认设置为object类型

在es内部，该json对象会被转换为如下文档。

{
  "group" :        "fans",
  "user.first" : [ "alice", "john" ],
  "user.last" :  [ "smith", "white" ]
}

使用es对象类型存储对象数组带来的问题：

• User.first 和 user.last 字段展平为多值字段，而 alice和white的关联丢失了。这会导致文档错误匹配上  user.first = alice 且 user.last = smith。
• 即 对象{first:John, last:Smith} 与 对象 {first:Alice, last: White} 之间的对象边界没有了；这显然不符合我们的预期；

【2.2.2】es存储json数组的解决方案：使用 nested嵌套类型存储对象数组

1）如果你需要索引对象数组且保持数组中每个对象的独立性，你应该使用 nested嵌套数据类型，而不是object对象类型。

2）在es内部，嵌套类型把数组中的每个对象索引为单个隐藏文档，这意味着每一个嵌套对象能够独立于其他嵌套对象被搜索。

3）嵌套搜索dsl如下：

// 创建索引 （带有嵌套数据类型-nested）
PUT my_index
{
  "mappings": {
    "properties": {
      "user": {
        "type": "nested" 
      }
    }
  }
}
// 新增文档 （以数组形式新增文档到嵌套类型）
PUT my_index/_doc/1 
{
  "group" : "fans",
  "user" : [
    {
      "first" : "John",
      "last" :  "Smith"
    },
    {
      "first" : "Alice",
      "last" :  "White"
    }
  ]
}
// 搜索文档 （嵌套查询dsl）
GET my_index/_search
{
  "query": {
    "nested": {
      "path": "user",
      "query": {
        "bool": {
          "must": [
            { "match": { "user.first": "Alice" }},
            { "match": { "user.last":  "Smith" }} 
          ]
        }
      }
    }
  }
} 

4）nested-嵌套文档能够进行如下操作：

• 嵌套搜索（nested query）；
• 使用嵌套分词和逆嵌套聚合（逆嵌套-reverse_nested）；
• 嵌套排序（nested sorting）；
• 根据嵌套内部命中实现检索和高亮（nested inner hits）；

5）对nested嵌套映射和对象的限制设置
如以上描述所说，每一个嵌套文档会被索引为独立文档。

• 如果我们索引包含100个user对象的的单个文档，实际上产生了101个文档。因为user是嵌套字段，100个user每个user各自一个文档，父文档也要单独创建一个文档。

因为涉及到nested嵌套映射的成本，es需要做一些设置以防出现性能问题。

• ① index.mapping.nested_fields.limit
  • 嵌套类型应该只被在特殊场景下使用，当数组对象需要被独立搜索时。为防止设置出不佳的映射，此设置（index.mapping.nested_fields.limit）限制了每个索引的嵌套字段数量。
  • es默认每个索引最多可以包含50个嵌套字段。
• ② index.mapping.nested_objects.limit：
  • 此设置（index.mapping.nested_objects.limit）限制了单个文档包含的嵌套对象的数量，以防止一个文档包含过多嵌套对象时报内存溢出错误。
  • Es默认情况下，一个文档包含的嵌套文档数量最多是10000个。

---

【3】数组类型（字段数组类型）

在es中， 数组不需要专用的数据类型。

• 一个字段默认可以包含0个或多个值。然而，数组中的所有值必须是同一种类型；

---

【4】多字段类型

1）根据不同目的以不同方式索引同一字段是有帮助的；

• 举例，字符串字段可以被映射为 text字段以便全文搜索，也可以同时映射为keword以便于排序或聚合。

2）此外，你还可以用标准分词器，英文分词器或法语分词器来索引text字段；
3）通过 fields 参数来指定同一个字段的多种数据类型。

• 参见： https://www.elastic.co/guide/en/elasticsearch/reference/7.2/multi-fields.html

• // 字符串字段可以被映射为 text字段以便全文搜索
  // 也可以同时映射为keword以便于排序或聚合
  PUT my_index
  {
    "mappings": {
      "properties": {
        "city": {
          "type": "text",
          "fields": {
            "raw": { 
              "type":  "keyword"
            }
          }
        }
      }
    }
  }

---

【5】其他数据类型

如 地理位置信息数据类型，ip数据类型等。
详情参见：  https://www.elastic.co/guide/en/elasticsearch/reference/7.2/mapping-types.html