Elasticsearch 数据类型系列

核心数据类型

字符串类型

string(被取代了)：这是一个已经过期的字符串类型。在 es5 之前，用这个来描述字符串，现在的话，它已经被 text 和 keyword 替代了
text：如果一个字段是要被全文检索的，比如说博客内容、产品描述，那么可以使用 text。用了 text 之后，字段内容会被分析，在生成倒排索引之前，字符串会被分词器分成一个个词项。text 类型的字段不用于排序，很少用于聚合，这种字符串也被称为 analyzed 字段

例如："Elasticsearch数据类型系列" 会拆分为 
1. Elasticsearch 2. 数据 3. 类型 4. 系列 几个词条存储 
搜索的时候无法完整搜索了 `arch数据` 这个内容了

keyword：这种类型适用于结构化的字段，不需要进行分词，可以被用来检索过滤、排序和聚合。例如标签、email 地址、网页地址、手机号码等等，这种类型的字段可以用作过滤、排序、聚合等。这种字符串也称之为 not-analyzed 字段

例如："Elasticsearch数据类型系列" 这句话不会分词完整的索引存储

数字型

long, integer, short, byte, double, float 等

image.png

日期型

date

由于 JSON 中没有日期类型，所以 es 中的日期类型形式就比较多样
例如

PUT product/_doc/1
{
  "date":"2020-11-11"
}

PUT product/_doc/2
{
  "date":"2020-11-11T11:11:11Z"
}


PUT product/_doc/3
{
  "date":"1604672099958"
}

上面三个文档中的日期都可以被解析，内部存储的是毫秒计时的长整型数

es 内部将时间转为 UTC，然后将时间按照 millseconds-since-the-epoch 的长整型来存储

布尔型

boolean

JSON 中的 “true”、“false”、true、false 都可以

二进制类型

binary

二进制接受的是 base64 编码的字符串，默认不存储，也不可搜索

范围类型

integer_range
float_range
long_range
double_range
date_range
ip_range

指定范围的时，可以使用 gt、gte、lt、lte。

复合(杂)数据类型

数组类型

数组中的元素必须是同一种类型，添加数组时，数组中的第一个元素决定了整个数组的类型
数组类型（Array datatype）：数组类型不需要专门指定数组元素的type，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 ]
对象数组：[ { "name": "Mary", "age": 12 }, { "name": "John", "age": 10 }]

对象类型（Object datatype）：_ object _ 用于单个JSON对象；例如:

PUT product/_doc/2
{
  "date":"2020-11-11T11:11:11Z",
  "ext_info":{
    "address":"China"
  }
}

嵌套类型（Nested datatype）：_ nested _ 用于JSON数组；例如要存储下面的文档:

{
  "user":[
    {
      "first":"Zhang",
      "last":"san"
    },
    {
      "first":"Li",
      "last":"si"
    }
   ]
}

地理位置类型

使用场景：

查找某一个范围内的地理位置
通过地理位置或者相对中心点的距离来聚合文档
把距离整个到文档的评分中
通过距离对文档进行排序

分为两大类：地理坐标，地理形状

地理坐标类型（Geo-point datatype）：geo_point 用于经纬度坐标；
geo_point 就是一个坐标点，定义方式如下：

PUT people
{
  "mappings": {
    "properties": {
      "location":{
        "type": "geo_point"
      }
    }
  }
}

创建时指定字段类型，存储的时候，有四种方式：

中山公园附近随便选了一个坐标 121.41,31.21

PUT people/_doc/1
{
  "location":{
    "lat": 121.41,
    "lon": 31.21
  }
}

PUT people/_doc/2
{
  "location":"121.41,31.21"
}

PUT people/_doc/3
{
  "location":"wtw3dc8"  // 这个为经纬度哈希值
}

PUT people/_doc/4
{
  "location":[31.21,121.41]  // 使用数组描述，先经度后纬度
}

推荐一个在线经纬度转哈希工具 http://www.geohash.cn/

地理形状类型（Geo-Shape datatype）：geo_shape 用于类似于多边形的复杂形状；

image.png

指定 geo_shape 类型：

PUT people
{
  "mappings": {
    "properties": {
      "location":{
        "type": "geo_shape"
      }
    }
  }
}

添加文档时需要指定具体的类型：

PUT people/_doc/1
{
  "location":{
    "type":"point",
    "coordinates": [108.94,34.27]
  }
}

如果是 linestring，如下：

PUT people/_doc/2
{
  "location":{
    "type":"linestring",
    "coordinates": [[108.94,34.27],[100,33]]
  }
}

特定类型

IPv4 类型（IPv4 datatype）：_ ip _ 用于IPv4 地址；
存储 IP 地址，类型是 ip：

PUT blog
{
  "mappings": {
    "properties": {
      "address":{
        "type": "ip"
      }
    }
  }
}

添加文档：

PUT blog/_doc/1
{
  "address":"192.168.91.1"
}

搜索文档：

GET blog/_search
{
  "query": {
    "term": {
      "address": "192.168.0.0/16"
    }
  }
}

Completion 类型（Completion datatype）：_ completion _提供自动补全建议；
Token count 类型（Token count datatype）：_ token_count _ 用于统计做了标记的字段的index数目，该值会一直增加，不会因为过滤条件而减少

统计字符串分词后的词项个数。

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "fields": {
          "length":{
            "type":"token_count",
            "analyzer":"standard"
          }
        }
      }
    }
  }
}

相当于新增了 title.length 字段用来统计分词后词项的个数
添加文档：

PUT blog/_doc/1
{
  "title":"zhang san"
}

可以通过 token_count 去查询：

GET blog/_search
{
  "query": {
    "term": {
      "title.length": 2
    }
  }
}

类型：通过插件，可以通过 _ murmur3 _ 来计算 index 的 hash 值；
附加类型（Attachment datatype）：采用 mapper-attachments
插件，可支持_ attachments _ 索引，例如 Microsoft Office 格式，Open Document 格式，ePub, HTML 等