elasticsearch5.x数据类型与映射的介绍

这篇文章主要介绍“elasticsearch 5.x数据类型与映射的介绍”，在日常操作中，相信很多人在elasticsearch 5.x数据类型与映射的介绍问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”elasticsearch 5.x数据类型与映射的介绍”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

成都创新互联专注于成都网站制作、成都做网站、网页设计、网站制作、网站开发。公司秉持“客户至上,用心服务”的宗旨,从客户的利益和观点出发,让客户在网络营销中找到自己的驻足之地。尊重和关怀每一位客户，用严谨的态度对待客户，用专业的服务创造价值，成为客户值得信赖的朋友，为客户解除后顾之忧。

在前面的文章中，我们创建了索引为bank的文档结构，但是，在创建1000个文档的时候，并没有指出他们每个属性的数据类型。在没有数据类型映射定义的情况下创建文档，这在ES中是允许的，因为ES会帮我们自动映射数据类型。但是，在我们的项目中，必须要先定义文档的数据类型，再操作文档，因为我们需要根据业务的需要，指定数据的属性，例如，是否需要全文索引，是否需要分词，分词器是什么。

下面我们看下索引bank自动创建文档数据类型映射成什么？

{
  "bank": {
    "mappings": {
      "account": {
        "properties": {
          "account_number": {
            "type": "long"
          },
          "address": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "age": {
            "type": "long"
          },
          "balance": {
            "type": "long"
          },
          "city": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "email": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "employer": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "firstname": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "gender": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "lastname": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "state": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    }
  }
}

上面通过type指定了数据的类型。接下来，我们将开始认识这些数据类型

一、数据类型

字段类型概述

一级分类	二级分类	具体类型
核心类型	字符串类型	text,keyword
	整数类型	integer,long,short,byte
	浮点类型	double,float,half_float,scaled_float
	逻辑类型	boolean
	日期类型	date
	范围类型	range
	二进制类型	binary
复合类型	数组类型	array
	对象类型	object
	嵌套类型	nested
地理类型	地理坐标类型	geo_point
	地理地图	geo_shape
特殊类型	IP类型	ip
	范围类型	completion
	令牌计数类型	token_count
	附件类型	attachment
	抽取类型	percolator

1、字符串类型

　　text 类型：当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合。
　　keyword：keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通过精确值搜索到。

2、整数类型

类型	取值范围
byte	-128~127
short	-32768~32767
integer	-231~231-1
short	-263~263-1

在满足需求的情况下，尽可能选择范围小的数据类型。比如，某个字段的取值最大值不会超过100，那么选择byte类型即可。迄今为止吉尼斯记录的人类的年龄的最大值为134岁，对于年龄字段，short足矣。字段的长度越短，索引和搜索的效率越高。

3、浮点类型

类型	取值范围
doule	64位双精度IEEE 754浮点类型
float	32位单精度IEEE 754浮点类型
half_float	16位半精度IEEE 754浮点类型
scaled_float	缩放类型的的浮点数

对于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。

4、date类型

日期类型表示格式可以是以下几种：
（1）日期格式的字符串，比如 “2018-01-13” 或 “2018-01-13 12:10:30”
（2）long类型的毫秒数( milliseconds-since-the-epoch，epoch就是指UNIX诞生的UTC时间1970年1月1日0时0分0秒)
（3）integer的秒数(seconds-since-the-epoch)

5、boolean类型　true和false

6、 binary类型

进制字段是指用base64来表示索引中存储的二进制数据，可用来存储二进制形式的数据，例如图像。默认情况下，该类型的字段只存储不索引。二进制类型只支持index_name属性。

7、array类型

（1）字符数组: [ “one”, “two” ]
（2）整数数组: productid:[ 1, 2 ]
（3）对象（文档）数组: “user”:[ { “name”: “Mary”, “age”: 12 }, { “name”: “John”, “age”: 10 }]，
注意：lasticSearch不支持元素为多个数据类型：[ 10, “some string” ]

8、 object类型

JSON对象，文档会包含嵌套的对象

9、ip类型

p类型的字段用于存储IPv4或者IPv6的地址

二、Mapping 支持属性

下面解释下一些重要的映射属性

index

设置此字段能不能被查询，就是决定要不要将这个字段放进倒排索引裡

若index设置为true(默认是true)，则表示这个这个字段会被放进倒排索引裡，如果是text就是分词过后放进索引，如果是keyword、integer...就直接整段放进索引裡

若index设置为false，则表示这个字段不放进倒排索引裡，因此不能查询这个字段(因为他不存在于倒排索引裡)

通常这种被设成false的字段，可以想像成是属于一种附属的字段，就是不能被match、term查询，但是当该文档被其他搜索条件搜出来时，他可以附带的一起被找出来，因为他们同属于同一个文档。

举个例子，定义user索引的映射

PUT /user
{
	"mappings": {
		"doc": {
			"properties": {
				"name": {
					"type": "keyword",
					"index": false
				},
				"uid": {
					"type": "integer"
				},
				"nickname": {
					"type": "text",
					"analyzer": "standard"
				}
			}
		}
	}
}

当搜索uid时，name会一起被找出来

/user/_search
{
    "query": {
        "term": {
            "uid": 1
        }
    }
}

如果搜索name属性，将会报错

GET /user/_search
{
    "query": {
        "term": {
            "name": "hugo"
        }
    }
}

出错信息如下

          "caused_by": {
            "type": "illegal_argument_exception",
            "reason": "Cannot search on field [name] since it is not indexed."
          }

analyzer

主要用在text类型的字段上，就是设定要使用哪种分词器来建立索引

可以使用内建的分词器，或是使用自定义的分词器

可以使用/_analyze测试分析器具体会将句子分词成什么样子，它能帮助我们理解Elasticsearch索引内部发生了什么

GET 127.0.0.1:9200/_analyze
{
    "analyzer": "standard",
    "text": "Text to analyze"
}

boost

官方建议：index time boost is deprecated. Instead, the field mapping boost is applied at query time.
也就是说，官方推荐在查询时指定boost。

我们可以通过指定一个boost值来控制每个查询子句的相对权重，该值默认为1。一个大于1的boost会增加该查询子句的相对权重。boost参数被用来增加一个子句的相对权重(当boost大于1时)，或者减小相对权重(当boost介于0到1时)，但是增加或者减小不是线性的。换言之，boost设为2并不会让最终的_score加倍。

POST /bank/_search?pretty
{
    "query": {
        "match" : {
            "address": {
                "query": "mill",
                "boost": 2
            }
        }
    }
}

查询结果

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 4,
    "max_score": 8.620199,
    "hits": [
      {
        "_index": "bank",
        "_type": "account",
        "_id": "472",
        "_score": 8.620199,
        "_source": {
          "account_number": 472,
          "balance": 25571,
          "firstname": "Lee",
          "lastname": "Long",
          "age": 32,
          "gender": "F",
          "address": "288 Mill Street",
          "employer": "Comverges",
          "email": "leelong@comverges.com",
          "city": "Movico",
          "state": "MT"
        }
      },
      {
        "_index": "bank",
        "_type": "account",
        "_id": "136",
        "_score": 8.532413,
        "_source": {
          "account_number": 136,
          "balance": 45801,
          "firstname": "Winnie",
          "lastname": "Holland",
          "age": 38,
          "gender": "M",
          "address": "198 Mill Lane",
          "employer": "Neteria",
          "email": "winnieholland@neteria.com",
          "city": "Urie",
          "state": "IL"
        }
      },
      {
        "_index": "bank",
        "_type": "account",
        "_id": "970",
        "_score": 7.723722,
        "_source": {
          "account_number": 970,
          "balance": 19648,
          "firstname": "Forbes",
          "lastname": "Wallace",
          "age": 28,
          "gender": "M",
          "address": "990 Mill Road",
          "employer": "Pheast",
          "email": "forbeswallace@pheast.com",
          "city": "Lopezo",
          "state": "AK"
        }
      },
      {
        "_index": "bank",
        "_type": "account",
        "_id": "345",
        "_score": 7.723722,
        "_source": {
          "account_number": 345,
          "balance": 9812,
          "firstname": "Parker",
          "lastname": "Hines",
          "age": 38,
          "gender": "M",
          "address": "715 Mill Avenue",
          "employer": "Baluba",
          "email": "parkerhines@baluba.com",
          "city": "Blackgum",
          "state": "KY"
        }
      }
    ]
  }
}

三、更新映射

当首次创建一个索引的时候，可以指定类型的映射，但假设后来想要增加一个新的映射字段，可以使用/_mapping把新的字段加进mapping映射裡

可以增加一个新的映射，但是不能修改存在的映射，原因是因为这个映射可能有文档去用，如果改了映射的类型，可能会导致索引的数据出错，因此只能新加字段进去，不能修改

具体实例

在user映射中的doc类型增加一个新的名为tag的keyword

PUT /user/_mapping/doc
{
    "properties": {
        "tag": {
            "type": "keyword",
        }
    }
}

到此，关于“elasticsearch 5.x数据类型与映射的介绍”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！

本文标题：elasticsearch5.x数据类型与映射的介绍
文章来源：http://6mz.cn/article/pjsoce.html

网站建设知识

elasticsearch5.x数据类型与映射的介绍

一、数据类型

1、字符串类型

2、整数类型

3、浮点类型

4、date类型

5、boolean类型　true和false

6、 binary类型

7、array类型

8、 object类型

9、ip类型

二、Mapping 支持属性

index

analyzer

boost

三、更新映射

其他资讯

网站建设知识

elasticsearch5.x数据类型与映射的介绍

一、数据类型

1、字符串类型

2、整数类型

3、浮点类型

4、date类型

5、boolean类型 true和false

6、 binary类型

7、array类型

8、 object类型

9、ip类型

二、Mapping 支持属性

index

analyzer

boost

三、更新映射

其他资讯

5、boolean类型　true和false