Elasticsearch学习-ES中的类型和映射

类型和映射

在ES中映射类似关系型数据库中的schema，描述了文档中有哪些字段和字段的类型，如string，data，int等。而 类型 是一组具有相关性的映射组成，然后使用"properties"来表示该类型中可能包含的字段属性。
具体如下：

{
   "data": {
      "mappings": {
         "people": {
            "properties": {
               "name": {
                  "type": "string",
               },
               "address": {
                  "type": "string"
               }
            }
         },
         "transactions": {
            "properties": {
               "timestamp": {
                  "type": "date",
                  "format": "strict_date_optional_time"
               },
               "message": {
                  "type": "string"
               }
            }
         }
      }
   }
}

在索引 data 中包含了两个类型，people 和 transactions，在类型people中，有两个字段：name 和 address，且都是string类型。在类型transactions中有也有两个字段，date类型的timestamp 和 string类型的message。

ES是如何映射Lucene的

我们都知道ES是基于Lucene实现的，ES中的映射和类型最终都会转化成Lucene中的字段类型的规范。

在ES里，文档以JSON格式存储数据，可以表达出层次结构，如上面索引data中的文档就有丰富的数据结构。而在Lucene中是没有类型和映射的概念的，ES的文档内容在Lucene中全部都被扁平化为键值对类型，ES中类型信息用字段_type字段来表示，上面ES中索引data的数据存在Lucene中的数据结构大致 如下：

{
   "data": {
      "mappings": {
        "_type": {
          "type": "string",
          "index": "not_analyzed"
        },
        "name": {
          "type": "string"
        }
        "address": {
          "type": "string"
        }
        "timestamp": {
          "type": "long"
        }
        "message": {
          "type": "string"
        }
      }
   }
}

在此结构类型下，name，address，timestamp和message在同一层级下，并使用 _type 字段来表示ES中的类型。

这是可能会有小伙伴会有这样的疑问：ES中data索引有两种类型：people 和
transactions 那在Lucene的_type字段只有一个，该如何表示呢？其实，在ES中每次索引数据时，会指定类型，因此每次只会索引一种类型的数据，所以 在Lucene中每个文档只有一个类型。

不过细心的小伙伴可能会发现Lucene的这种数据存储结构会存在以下两个问题：

1.ES中不同类型中，如果数据字段名称 相同会怎样

2.ES中每次索引一种类型的数据，在Lucene中会造成其他类型字段空间浪费。

对于第一个问题，如果在ES中不同 类型中有同名字段，且类型不同话，其实ES是不允许的，这样的配置会报错，例如在上文data索引中，在transactions和people类型中如果都定义了length字段，在people类型中length字段类型为string，在transactions类型中length字段类型为long，那么映射到Lucene中的话，就会变成有两个length字段，且类型不同，在进行文档索引中，就会产生歧义。因此这种配置，在索引映射配置时就是不允许的。

对于第二个问题，如果在ES中，同一索引中存在多种类型，因为每次索引文档时会指定类型，因此只有这个类型中字段会被填充数据，其他字段字段都会空的，如果两个类型的字段集是互不相同的，这就意味着索引中将有一半的数据是空的（字段将是 稀疏的 ），最终将导致性能问题。在这种情况下，最好是使用两个单独的索引。