Elasticsearch5.X Mapping万能模板
0、引言
在關系型數據庫如Mysql中，設計庫表需要注意的是：?
1）需要幾個表；?
2）每個表有哪些字段；?
3）表的主鍵及外鍵的設定——便于有效關聯。?
表的設計遵守范式約束，考慮表的可擴展性，避免開發后期對表做大的改動。?
Mysql或者Oracle中，修改數據類型相對比較簡單，通過命令行或者navicat、sqldeveloper等可視化工具直接修改。?
即便千萬級別數據量，多等點時間，也能修改好。
而在Elasticsearch非關系型數據存儲的搜索引擎中，設計表對應的就是Mapping的設計。?
且ES中一旦字段設定后，不能修改。?
當然，這也不是絕對的，可以通過新建索引，然后reindex將原有數據遷移到新索引。?
即便如此，還是建議：索引設計的前期，根據項目的需要設計好字段。如考慮如下的因素？?
1）字段的大小，考慮最大、最小的情況，如某一個字段超過1MB甚至更多；?
2）字段需不需要分詞、全文檢索、其他類型的檢索；?
3）時間字段類型的設置，時間戳、UTC類型或者字符串類型；?
4) 字段需不需要聚合?
…….
這就引申出本文的內容，Elasticearch到底支持哪些數據類型？Elasticsearch如何進行數據選型？?
有沒有直接拿來就用的Mapping萬能模板。?
以上問題，本文一一透徹解答。
1、Elasticsearch數據類型有哪些？
2、Elasticsearch數據如何選型？
2.1 字符串類型選型
text類型作用：分詞，將大段的文字根據分詞器切分成獨立的詞或者詞組，以便全文檢索。?
適用：email內容、某產品的描述等需要分詞全文檢索的字段；?
不適用：排序或聚合（Significant Terms 聚合例外）
keyword類型：無需分詞、整段完整精確匹配。?
適用于：email地址、住址、狀態碼、分類tags。
2.2 數值類型選型
long長整型：一個帶符號的64位整數，最小值為 -263 ，最大值為 263 -1。?
integer 整數：一個帶符號的32位整數，最小值為 -231 ，最大值為 231 -1。?
short 短整形:一個帶符號的16位整數，最小值為-32,768，最大值為32,767。?
byte 字節型：一個帶符號的8位整數，最小值為-128，最大值為127。?
double 雙精度浮點型：雙精度64位IEEE 754浮點數。?
float 單精度浮點型：單精度32位IEEE 754浮點數。?
half_float半精度浮點型：半精度16位IEEE 754浮點數。?
scaled_float：由長度固定的縮放因子支持的浮點數。?
以上，根據長度選型即可。
2.3 日期類型選型
{ “date”: “2015-01-01” }?
{ “date”: “2015-01-01T12:10:30Z” }?
{ “date”: 1420070400001 }?
如上，日期類型或者時間戳類型。
參考模板：?
“date”: {?
“type”: “date”,?
“format”: “yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis”?
}
2.4 布爾類型選型
布爾字段接受JSON true和false值，但也可以接受被解釋為true或false的字符串和數字：?
false值舉例：?
false，“false”，“off”，“no”，“0”，“”（空字符串），0，0.0?
true值舉例：?
以上false示例的反面，一切非假值。
2.5 二進制類型選型
二進制類型接受二進制值作為Base64編碼字符串。 該字段默認情況下不存儲，不可搜索：?
如： “blob”: “U29tZSBiaW5hcnkgYmxvYg==”
2.6 范圍類型選型
integer_range ：整型范圍類型；?
float_range ：單精度浮點范圍類型；?
long_range ：長整型范圍類型；?
double_range ：雙精度范圍類型；?
date_range ：時間范圍類型；?
ip_range ：IP范圍類型。?
以上，根據類型&范圍需要選型即可。
2.7 數組類型選型
2.7.1 Array數組類型選型
在Elasticsearch中，沒有專門的數組類型。?
默認情況下，任何字段都可以包含零個或多個值，但是數組中的所有值必須是相同的數據類型。 例如：?
字符串數組： [ “one”, “two”?
整數數組：[1,2]?
陣列數組：[1，[2,3]]，相當于[1，2，3]?
一系列對象數組：[{“name”：“Mary”，“age”：12}，{“name”：“John”，“age”：10}]?
可以理解為單類型擴展多個值的類型。?
如果需要根據數組值進行查詢操作，官網建議使用nested嵌套類型。
數組類型：沒有明顯的字段類型設置，任何一個字段的值，都可以被添加0個到多個，當類型一直含有多個值存儲到ES中會自動轉化成數組類型?
對于數組類型的數據，是一個數組元素做一個數據單元，如果是分詞的話也只是會依一個數組元素作為詞源進行分詞，不會是所有的數組元素整合到一起。?
在查詢的時候如果數組里面的元素有一個能夠命中那么將視為命中，被召回。
2.7.2 Object對象類型
JSON文檔本質上是分層的： 存儲類似json具有層級的數據，文檔可能包含內部對象，而內部對象又可能包含其他內部對象。
PUT my_index/my_type/1 {"region": "US","manager": {"age": 30,"name": {"first": "John","last": "Smith"}} }這和Json類型的初衷是一致的。?
訪問方式舉例： “manager.name.last”: “Smith”。
2.7.3 nested嵌套類型
nested 嵌套類型是Object數據類型的特定版本，允許對象數組彼此獨立地進行索引和查詢。?
一個例子，自然就明白了：
能完成嵌套查詢&檢索，對于非一對一關系的字段適用。?
在ElasticSearch內部，嵌套的文檔（Nested Documents）被索引為很多獨立的隱藏文檔（separate documents），這些隱藏文檔只能通過嵌套查詢（Nested Query）訪問。每一個嵌套的文檔都是嵌套字段（文檔數組）的一個元素。?
嵌套文檔的內部字段之間的關聯被ElasticSearch引擎保留，而嵌套文檔之間是相互獨立的。?
默認情況下，每個索引最多創建50個嵌套文檔，可以通過索引設置選項：index.mapping.nested_fields.limit 修改默認的限制。
2.8 IP類型
存儲IPV4或IPV6地址。?
如： “ip_addr”: “192.168.1.1”
2.9 completion suggester類型
suggester類型對應 suggester檢索，完成自動補全。
2.10 令牌計數類型
類型為token_count的字段實際上是一個接受字符串值的整數字段，對它們進行分析，然后對字符串中的令牌數進行索引。
……..
3、Elasticsearch萬能Mapping模板。
以下模板，已驗證好用。
PUT testinfo_index{"mappings": {"testinfo_type": {"properties": {"id": {"type": "long"},"title": {"type": "keyword"},"content": {"analyzer": "ik_max_word","type": "text","fields": {"keyword": {"ignore_above": 256,"type": "keyword"},"available": {"type": "boolean"},"review": {"type": "nested","properties": {"nickname": {"type": "text"},"text": {"type": "text"},"stars": {"type": "integer"}}},"publish_time": {"type": "date","format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"},"expected_attendees": {"type": "integer_range"},"ip_addr": {"type": "ip"},"suggest": {"type": "completion"}}}}}} }總結
以上是生活随笔為你收集整理的Elasticsearch5.X Mapping万能模板的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Elasticsearch聚合深入详解—
- 下一篇： Elasticsearch大文件搜索