Elasticsearch实践：Setting、Mapping

版本：Elasticsearch 6.2.4。

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

Mapping完整的内容可以分为四部分内容：

• 字段类型(Field datatypes)
• 元字段(Meta-Fields)
• Mapping参数配置(Mapping parameters)
• 动态Mapping(Dynamic Mapping)

自动Mapping

如果没有手动设置Mapping，Elasticsearch默认会自动解析出类型，且每个字段以第一次出现的为准。

下面我们先看一下Elasticsearch默认创建的Mapping是什么样的。

首先我们创建一个索引：

PUT /user/

查询索引信息：

GET /user

结果：

{
  "user": {
    "aliases": {},
    "mappings": {},
    "settings": {
      "index": {
        "creation_date": "1540044686190",
        "number_of_shards": "5",
        "number_of_replicas": "1",
        "uuid": "_K5b8w7jRiuthf7QeQZhdw",
        "version": {
          "created": "5060299"
        },
        "provided_name": "user"
      }
    }
  }
}

增加一条数据：

PUT /user/doc/1
{
  "name":"Allen Yer",
  "job":"php",
  "age":22
}

PUT /user/doc/2
{
  "name":"Allen Yer",
  "job":0,
  "age":22
}

查询数据是否新增成功：

GET /user/doc/_count

结果：

{
  "count": 2,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  }
}

count为2，说明新增成功。然后我们查询下 mapping :

{
  "user": {
    "mappings": {
      "doc": {
        "properties": {
          "age": {
            "type": "long"
          },
          "job": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "name": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    }
  }
}

发现自动为每个字段设置了类型:

• name： text类型，另外额外增加了name.keyword字段，keyword类型；
• job：text类型，另外额外增加了job.keyword字段，keyword类型；虽然第二次数据新增是数字类型，但还是以第一次为主；
• age：long类型。

大家可以把索引删掉，将新增数据调整为先新增第2条，再新增第一条，发现报错了：

DELETE /user

PUT /user/doc/2
{
  "name":"Allen Yer",
  "job":0,
  "age":22
}

PUT /user/doc/1
{
  "name":"Allen Yer",
  "job":"php",
  "age":22
}

报错：

{
  "error": {
    "root_cause": [
      {
        "type": "mapper_parsing_exception",
        "reason": "failed to parse [job]"
      }
    ],
    "type": "mapper_parsing_exception",
    "reason": "failed to parse [job]",
    "caused_by": {
      "type": "number_format_exception",
      "reason": "For input string: \"php\""
    }
  },
  "status": 400
}

也能说明以第一次为主以字段第一次的值类型为准。这也说明了默认创建mapping可能不是我们想要的，这就需要手动创建mapping，好处有：

• 提前指定字段（通过设置甚至可以达到禁止自动增加字段的效果）
• 合理设置字段类型，防止分词过多或者解析不合理。分词过大会导致磁盘空间占用大。

手动创建mapping

这次我们删掉mapping，并手动创建一个：

DELETE /user

PUT /user/
{
    "mappings": {
      "doc": {
        "properties": {
          "name": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "age": {
            "type": "long",
            "index": false
          },
          "job": {
            "type": "keyword"
          },
          "intro":{
            "type":"text"
          },
          "create_time": {
            "type": "date", 
            "format": "epoch_second"
        }
        }
     }
  }
}

字段类型说明：

• name：text类型，会进行分词，支持模糊检索。
• name.keyword : 这相当于是嵌套了一个字段，keyword类型，只能精确匹配，不支持分词。超过256字符长度不索引，也就没法搜索到。
• age：long类型，支持精确匹配。
• job：keyword类型，只能精确匹配，不支持分词。
• intro：text类型，会进行分词，支持模糊检索。
• create_time：date类型，支持10位时间戳。

注意：mapping生成后是不允许修改（包括删除）的。所以需要提前合理的的定义mapping。

字段类型

Elasticsearch支持文档中字段的许多不同数据类型：

普通数据类型

字符串类型

有text 和 keyword2种 。其中 text 支持分词，用于全文搜索；keyword 不支持分词，用于聚合和排序。在旧的ES里这两个类型由string表示。

如果安装了IK分词插件，我们可以为text类型指定IK分词器。一般来说，对于字符串类型，如果：

1) 模糊搜索+精确匹配，一般是name或者title字段：

"name": {
        "type": "text",
        "analyzer": "ik_smart",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          }
        }
      }

2) 模糊搜索，一般是内容详情字段：

"content": {
        "type": "text",
        "analyzer": "ik_smart"
      }

3) 精确匹配：

"name": {
        "type": "keyword"
      }

4) 不需要索引：

"url": {
        "type": "keyword",
        "index": false
      }

数字类型

支持 long，integer，short，byte，double，float，half_float，scaled_float。具体说明如下：

• long

带符号的64位整数，其最小值为-2^63，最大值为(2^63)-1。

• integer

带符号的32位整数，其最小值为-2^31，最大值为(23^1)-1。

• short

带符号的16位整数，其最小值为-32,768，最大值为32,767。

• byte

带符号的8位整数，其最小值为-128，最大值为127。

• double

双精度64位IEEE 754浮点数。

• float

单精度32位IEEE 754浮点数。

• half_float

半精度16位IEEE 754浮点数。

• scaled_float

缩放类型的的浮点数。需同时配置缩放因子(scaling_factor)一起使用。

对于整数类型（byte，short，integer和long）而言，我们应该选择这是足以使用的最小的类型。这将有助于索引和搜索更有效。

对于浮点类型（float、half_float和scaled_float），-0.0和+0.0是不同的值，使用term查询查找-0.0不会匹配+0.0，同样range查询中上边界是-0.0不会匹配+0.0，下边界是+0.0不会匹配-0.0。

其中scaled_float，比如价格只需要精确到分，price为57.34的字段缩放因子为100，存起来就是5734。优先考虑使用带缩放因子的scaled_float浮点类型。

示例：

PUT my_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "status": {
          "type": "byte"
        },
        "year": {
          "type": "short"
        },
        "id": {
          "type": "long"
        },
        "price": {
          "type": "scaled_float",
          "scaling_factor": 100
        }
      }
    }
  }
}

日期类型

类型为 date 。

JSON本身是没有日期类型的，因此Elasticsearch中的日期可以是：

• 包含格式化日期的字符串。
• 一个13位long类型表示的毫秒时间戳（ milliseconds-since-the-epoch）。
• 一个integer类型表示的10位普通时间戳（seconds-since-the-epoch）。

在Elasticsearch内部，日期类型会被转换为UTC（如果指定了时区）并存储为long类型表示的毫秒时间戳。

日期类型可以使用使用format自定义，默认缺省值："strict_date_optional_time||epoch_millis"：

"postdate": {
      "type": "date",
      "format": "strict_date_optional_time||epoch_millis"
    }

format 有很多内置类型，这里列举部分说明：

• strict_date_optional_time, date_optional_time

通用的ISO日期格式，其中日期部分是必需的，时间部分是可选的。例如 "2015-01-01"或"2015/01/01 12:10:30"。

• epoch_millis

13位毫秒时间戳

• epoch_second

10位普通时间戳

其中strict_开头的表示严格的日期格式，这意味着，年、月、日部分必须具有前置0。

更多日期格式详见： https://www.elastic.co/guide/...

当然也可以自定义日期格式，例如：

"postdate":{
      "type":"date",
      "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd"
    }

注意：如果新文档的字段的值与format里设置的类型不兼容，ES会返回失败。示例：

PUT my_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "date": {
          "type": "date",
          "format":"epoch_millis"
        }
      }
    }
  }
}

PUT my_index/_doc/1
{
  "date":1543151405000
}
PUT my_index/_doc/2
{
  "date":1543151405
}
PUT my_index/_doc/3
{
  "date":"2018-11-25 21:10:43"
}
GET my_index/_doc/_search

第3条数据插入失败，因为只接受长整数的时间戳，字符串类型的日期是不匹配的。第2条的值只有10位数，虽然值是不正确的，但是在epoch_millis的取值范围内，所以也是成功的。

布尔类型

类型为 boolean 。

二进制类型

类型为 binary 。

范围类型

integer_range，float_range，long_range，double_range，date_range

复杂类型

• 数组数据类型

在ElasticSearch中，没有专门的数组（Array）数据类型，但是，在默认情况下，任意一个字段都可以包含0或多个值，这意味着每个字段默认都是数组类型，只不过，数组类型的各个元素值的数据类型必须相同。在ElasticSearch中，数组是开箱即用的（out of box），不需要进行任何配置，就可以直接使用。，例如：

字符型数组: [ "one", "two" ]
整型数组：[ 1, 2 ]
数组型数组：[ 1, [ 2, 3 ]] 等价于[ 1, 2, 3 ]

• 对象数据类型

object 对于单个JSON对象。JSON天生具有层级关系，文档可以包含嵌套的对象。

• 嵌套数据类型

nested 对于JSON对象的数组

Geo数据类型

• 地理点数据类型

geo_point 对于纬度/经度点

• Geo-Shape数据类型

geo_shape 对于像多边形这样的复杂形状

专用数据类型

• IP数据类型

ip 用于IPv4和IPv6地址

• 完成数据类型

completion 提供自动完成的建议

• 令牌计数数据类型

token_count 计算字符串中的标记数

• mapper-murmur3

murmur3 在索引时计算值的哈希值并将它们存储在索引中

• 过滤器类型

接受来自query-dsl的查询

• join 数据类型

为同一索引中的文档定义父/子关系

多字段

为不同目的以不同方式索引相同字段通常很有用。例如，string可以将字段映射为text用于全文搜索的keyword字段，以及用于排序或聚合的字段。或者，您可以使用standard分析仪， english分析仪和 french分析仪索引文本字段。

元字段

_all

该字段用于在没有指定具体字段的情况下进行模糊搜索，可以搜索全部字段的内容。

原理是将所有字段的内容视为字符串，拼在一起放在一个_all字段上，但这个字段默认是不被存储的，可以被搜索。在query_string与 simple_query_string查询（Kibana搜索框用的这种查询方式）默认也是查询_all字段。

6.x 版本被默认关闭。

相关设置：

PUT my_index
{
  "mappings": {
    "my_type": {
      "_all": {
        "enabled": true,
        "store": false
      },
      "properties": {}
    }
  },
  "settings": {
    "index.query.default_field": "_all" 
  }
}

上述配置在5.x版本是默认配置：

• 默认开启 _all 字段
• 默认不存储 _all 字段
• 默认搜索 _all 字段

如果从CPU性能及磁盘空间考虑，可以考虑可以完全禁用或基于每个字段自定义_all字段。

假设_all字段被禁用，则URI搜索请求、 query_string和simple_query_string查询将无法将其用于查询。我们可以将它们配置为其他字段：通过定义 index.query.default_field 属性。

_source

这个字段用于存储原始的JSON文档内容，本身不会被索引，但是搜索的时候被返回。如果没有该字段，虽然还能正常搜索，但是返回的内容不知道对应的是什么。

示例：

GET /user/doc/_search?q=name

结果：

{
  "took": 4,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 0.2876821,
    "hits": [
      {
        "_index": "user",
        "_type": "doc",
        "_id": "1",
        "_score": 0.2876821,
        "_source": {
          "name": "this is test name",
          "age": 22,
          "job": "java",
          "intro": "the intro can not be searched by singal",
          "intro2": "去朝阳公园",
          "create_time": 1540047542
        }
      }
    ]
  }
}

搜索结果就包含_source字段，存储的是原始文档内容。如果被禁用，只知道有匹配内容，但是无法知道返回的是什么。所以需要谨慎关闭该字段。

如果想禁用该字段，可以在创建Mapping的时候，设置_：

{
  "mappings": {
    "_doc": {
      "_source": {
        "enabled": false
      }
    }
  }
}

_type

ElasticSearch里面有 index 和 type 的概念：index称为索引,type为文档类型，一个index下面有多个type，每个type的字段可以不一样。这类似于关系型数据库的 database 和 table 的概念。

但是，ES中不同type下名称相同的filed最终在Lucene中的处理方式是一样的。所以后来ElasticSearch团队想去掉type，于是在6.x版本为了向下兼容，一个index只允许有一个type。

该字段再在6.0.0中弃用。在Elasticsearch 6.x 版本中创建的索引只能包含单个type。在5.x中创建的含有多个type的索引将继续像以前一样在Elasticsearch 6.x中运行。type 将在Elasticsearch 7.0.0中完全删除。