ElasticSearch复杂数据类型
ElasticSearch入门到实战教程：点击查看
1. 对象类型（object）
一个字段下需要多种类型的属性字段，属性 attr 有身高、体重，添加映射语句如下：
POST indexname/_mapping
{
"properties": {
"attr": {
"properties": {
"height": {
"type": "double"
},
"weight": {
"type": "double"
}
}
}
}
}
对象类型新增数据语法
PUT indexname/_doc/1
{
"attr": {
"height": 176.3,
"weight": 64
}
}
筛选查询新增的数据
GET indexname/_search
{
"query":{
"term":{
"attr.weight": "64"
}
}
}
2. 数组类型
ELasticsearch没有专用的数组类型，默认情况下任何字段都可以包含一个或者多个值，但是一个数组中的值要是同一种类型。
- 字符数组: [ “one”, “two” ]
- 整型数组：[1,3]
- 对象数组：[ { “name”: “长度”, “value”: “10” }, { “name”: “内存”, “value”: “16” }]
keyword数组，创建keyword字段
POST indexname/_mapping
{
"properties": {
"skills": {
"type": "keyword"
}
}
}
新增数据
PUT indexname/_doc/2
{
"skills": ["java", "c++"]
}
对象数组，创建对象字段
POST indexname/_mapping
{
"properties": {
"attrs": {
"properties": {
"name": {
"type": "keyword"
},
"value": {
"type": "keyword"
}
}
}
}
}
新增数据
PUT indexname/_doc/3
{
"attrs": [
{
"name": "长度",
"value": "10"
},
{
"name": "内存",
"value": "16"
}
]
}
3. 嵌套文档（nested）
nested嵌套类型是object中的一个特例，可以让对象数组类型独立索引和查询。
项目场景中弥补对象数组的一些查询问题
接着前面创建的对象数组 attrs 先添加几条数据
POST _bulk
{"create":{"_index":"indexname","_id":20}}
{"attrs":[{"name":"长度","value":"64"},{"name":"内存","value":"32"}]}
{"create":{"_index":"indexname","_id":21}}
{"attrs":[{"name":"长度","value":"64"},{"name":"内存","value":"64"}]}
{"create":{"_index":"indexname","_id":22}}
{"attrs":[{"name":"长度","value":"64"}]}
现在业务需求：需要 属性=长度 且 值=32 的数据（目前数据里没有），我们来写查询语法。
GET indexname/_search
{
"query": {
"bool": {
"must": [
{
"term": {
"attrs.name": "长度"
}
},
{
"term": {
"attrs.value": "32"
}
}
]
}
}
}
运行后发现居然有数据，为什么呢？我们后面原理篇会讲。
怎么解决这种问题呢？使用
nested类型即可解决。
添加映射字段
POST indexname/_mapping
{
"properties": {
"attrsNested": {
"type": "nested",
"properties": {
"name": {
"type": "keyword"
},
"value": {
"type": "keyword"
}
}
}
}
}
添加几条数据
POST _bulk
{"create":{"_index":"indexname","_id":20}}
{"attrsNested":[{"name":"长度","value":"64"},{"name":"内存","value":"32"}]}
{"create":{"_index":"indexname","_id":21}}
{"attrsNested":[{"name":"长度","value":"64"},{"name":"内存","value":"64"}]}
{"create":{"_index":"indexname","_id":22}}
{"attrsNested":[{"name":"长度","value":"64"}]}
查询数据
GET indexname/_search
{
"query": {
"nested": {
"path": "attrsNested",
"query": {
"bool": {
"must": [
{
"term": {
"attrsNested.name": "长度"
}
},
{
"term": {
"attrsNested.value": "32"
}
}
]
}
}
}
}
}
已经查不到数据了，问题完美解决
4. 子字段
text类型不能用于排序、聚合。为什么呢？因为它的属性 fielddata 默认是false，设置为true就可以了，但是不建议使用，会增加内存的压力。
添加字段映射（不建议设置true）：
POST indexname/_mapping
{
"properties": {
"address": {
"type": "text",
"fielddata":true
}
}
}
直接使用 keyword 类型可以进行排序、聚合。
想必会有同学有疑问：
同样是字符串类型，干脆直接都用keyword类型不就行了。
如果你不需要 分词 那么你用keyword完全可以，如果你需要对字段值分词，那你还是需要用text。
那么有没有不增加压力，而且不用两个字段的方法呢？ 当然有，就是做子字段！
POST indexname/_mapping
{
"properties": {
"address": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
address 字段下增加了 keyword 名字的字段，类型是 keyword，设置256长度
对应查询子字段keyword的语句
GET indexname/_search
{
"query": {
"term":{
"address.keyword": ""
}
}
}
5. 地理类型
geo_point 是地理类型。移动互联网的时代，移动设备越来越多，要根据地理位置搜索地址，可以把地址的经纬度数据设置地理数据类型。
POST indexname/_mapping
{
"properties": {
"location": {
"type": "geo_point"
}
}
}
添加一条地理位置数据
PUT indexname/_doc/6
{
"location": {
"lat": 41.07,
"lon": 116.64
}
}
- lat（经度）
- lon（纬度）
根据（41.07，116.14）坐标，查询100km内的位置信息
GET indexname/_search
{
"query": {
"geo_distance": {
"distance": "100km",
"location": {
"lat": 41.07,
"lon": 116.14
}
}
}
}
根据（23.6,32.2）位置，对查询结果进行远近排序
GET indexname/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"_geo_distance": {
"location": "23.6,32.2",
"unit": "km"
}
}
]
}
更多资料请看《ElasticSearch入门到实战教程》：点击查看