ES允許同一個字段有兩個不同的類型，例如一個字段可以擁有keyword類型來進行聚合與排序，也可以擁有text來做全文檢索。
舉例如下：

PUT my_index {"mappings": {"type": {"properties": {"city": {"type": "text","fields": {"raw": {"type": "keyword"}}}}}} }PUT my_index/type/1 {"city": "New York" }PUT my_index/_doc/2 {"city": "York" }GET my_index/_search {"query": {"match": {"city": "york" }},"sort": {"city.raw": "asc" },"aggs": {"Cities": {"terms": {"field": "city.raw" }}} }

這樣city字段就有兩個屬性了分別是text和keyword，city字段可以用作全文檢索，city.raw可以用作排序和聚合。
此外還可以使用不同的analyzer，例如我們可以使用standard analyzer來進行分詞，同時使用english analyzer來將單詞轉為詞根。例如：

PUT my_index {"mappings": {"properties": {"text": { "type": "text", //text 這個使用`standard` analyzer"fields": {"english": { "type": "text","analyzer": "english" // text.english使用`english ` analyzer}}}}} }PUT my_index/_doc/1 { "text": "quick brown fox" } PUT my_index/_doc/2 { "text": "quick brown foxes" } GET my_index/_search {"query": {"multi_match": {"query": "quick brown foxes","fields": [ "text","text.english" ], // text and text.english fields and combine the scores"type": "most_fields" }} }

text字段包含第一條數據中的fox和第二條數據中的foxes，而text.english字段包含兩條數據中的fox，因為第二條數據的foxes的詞根是fox。
此外查詢語句同樣被standard analyzer和english analyzer解析，詞根接受包含foxes和fox的文檔，因此可以匹配更多的文檔。通過查詢詞根可以提高文檔的相關性。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的elasticsearch mapping之fields的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。