ElasticSearch最全详细使用教程：入门、索引管理、映射详解

客官°小女子只卖身不卖艺 2021-11-01 16:10 392阅读 0赞

原文：[https://www.enmotech.com/web/detail/1/835/1.html ][https_www.enmotech.com_web_detail_1_835_1.html]

导读：本文介绍了ElasticSearch的必备知识：从入门、索引管理到映射详解。

**一、快速入门**

--------------------

**1. 查看集群的健康状况**

http://localhost:9200/\_cat

![查看集群的健康状况][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQzNzE3MzMwMzU3NzQucG5n]

[http://localhost:9200/\_cat/health?v][http_localhost_9200_cat_health_v]

![查看集群的健康状况][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ0MjQwODQwNTk2MTkucG5n]

说明：v是用来要求在结果中返回表头

状态值说明

Green - everything is good (cluster is fully functional)，即最佳状态

Yellow - all data is available but some replicas are not yet allocated (cluster is fully functional)，即数据和集群可用，但是集群的备份有的是坏的  
Red - some data is not available for whatever reason (cluster is partially functional)，即数据和集群都不可用

查看集群的节点

[http://localhost:9200/\_cat/?v][http_localhost_9200_cat_v]

![查看集群的节点][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ0ODcyNTMwMTE2MTIucG5n]

**2. 查看所有索引**  
http://localhost:9200/\_cat/indices?v

![查看所有索引][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ1MzY4MzAwNTY5MTQucG5n]

**3. 创建一个索引**  
创建一个名为 customer 的索引。pretty要求返回一个漂亮的json 结果

PUT /customer?pretty

![创建索引][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ1NzE1MDIwNzU5MTkucG5n]

再查看一下所有索引  
[http://localhost:9200/\_cat/indices?v][http_localhost_9200_cat_indices_v]

![查看索引][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ2MDExNDkwMjYzMTEucG5n]

GET /\_cat/indices?v

![查看索引][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ2Mjc1MDkwNTY1MzYucG5n]

**4. 索引一个文档到customer索引中**

curl -X PUT "localhost:9200/customer/\_doc/1?pretty" -H 'Content-Type: application/json' -d'

\{  
"name": "John Doe"  
\}  
'

**5. 从customer索引中获取指定id的文档**

> curl -X GET "localhost:9200/customer/\_doc/1?pretty"

**6. 查询所有文档**

> GET /customer/\_search?q=\*&sort=name:asc&pretty

JSON格式方式

> GET /customer/\_search  
> \{  
> "query": \{ "match\_all": \{\} \},  
> "sort": \[  
> \{"name": "asc" \}  
> \]  
> \}

**二、索引管理**

--------------------

![索引管理][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ4MDgxODgwMTYzOTEucG5n]

![索引管理][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ4MjEyODUwNTA4MzMuanBn]

**1. 创建索引**

创建一个名为twitter的索引，设置索引的分片数为3，备份数为2。注意：在ES中创建一个索引

类似于在数据库中建立一个数据库(ES6.0之后类似于创建一个表)

> PUT twitter  
> \{  
> "settings" : \{  
> "index" : \{  
> "number\_of\_shards" : 3,  
> "number\_of\_replicas" : 2  
> \}  
> \}  
> \}

说明：  
默认的分片数是5到1024  
默认的备份数是1  
索引的名称必须是小写的，不可重名

创建结果：

![创建结果][aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ5MTc2ODEwMDIwMDUucG5n]

创建的命令还可以简写为

> PUT twitter  
> \{  
> "settings" : \{  
> "number\_of\_shards" : 3,  
> "number\_of\_replicas" : 2  
> \}

**2. 创建mapping映射**

注意：在ES中创建一个mapping映射类似于在数据库中定义表结构，即表里面有哪些字段、字段是什么类型、字段的默认值等；也类似于solr里面的模式schema的定义

> PUT twitter  
> \{  
> "settings" : \{  
> "index" : \{  
> "number\_of\_shards" : 3,  
> "number\_of\_replicas" : 2  
> \}  
> \},  
> "mappings" : \{  
> "type1" : \{  
> "properties" : \{  
> "field1" : \{ "type" : "text" \}  
> \}  
> \}  
> \}  
> \}

**3. 创建索引时加入别名定义**

PUT twitter

\{  
"aliases" : \{  
"alias\_1" : \{\},  
"alias\_2" : \{  
"filter" : \{  
"term" : \{"user" : "kimchy" \}  
\},  
"routing" : "kimchy"  
\}  
\}  
\}

**4. 创建索引时返回的结果说明**

**5. Get Index 查看索引的定义信息**  
GET /twitter，可以一次获取多个索引（以逗号间隔） 获取所有索引 \_all 或 用通配符\*

GET /twitter/\_settings

GET /twitter/\_mapping

**6. 删除索引**  
DELETE /twitter

说明：

可以一次删除多个索引（以逗号间隔） 删除所有索引 \_all 或 通配符 \*

**7. 判断索引是否存在**  
HEAD twitter  
HTTP status code 表示结果 404 不存在 ， 200 存在

**8. 修改索引的settings信息**  
索引的设置信息分为静态信息和动态信息两部分。静态信息不可更改，如索引的分片数。动态信息可以修改。

REST 访问端点：  
/\_settings 更新所有索引的。  
\{index\}/\_settings 更新一个或多个索引的settings。

详细的设置项请参考：https://www.elastic.co/guide/en/elasticsearch/reference/current/index-modules.html\#index-modules-settings

**9. 修改备份数**

> PUT /twitter/\_settings  
> \{  
> "index" : \{  
> "number\_of\_replicas" : 2  
> \}  
> \}

10. 设置回默认值，用null

> PUT /twitter/\_settings  
> \{  
> "index" : \{  
> "refresh\_interval" : null
> 
> \}

**11. 设置索引的读写**

index.blocks.read\_only：设为true,则索引以及索引的元数据只可读  
index.blocks.read\_only\_allow\_delete：设为true，只读时允许删除。  
index.blocks.read：设为true，则不可读。  
index.blocks.write：设为true，则不可写。  
index.blocks.metadata：设为true，则索引元数据不可读写。

**12. 索引模板**  
在创建索引时，为每个索引写定义信息可能是一件繁琐的事情，ES提供了索引模板功能，让你可以定义一个索引模板，模板中定义好settings、mapping、以及一个模式定义来匹配创建的索引。

注意：模板只在索引创建时被参考，修改模板不会影响已创建的索引

12.1 新增/修改名为tempae\_1的模板，匹配名称为te\* 或 bar\*的索引创建：

> PUT \_template/template\_1  
> \{  
> "index\_patterns": \["te\*", "bar\*"\],  
> "settings": \{  
> "number\_of\_shards": 1  
> \},  
> "mappings": \{  
> "type1": \{  
> "\_source": \{  
> "enabled": false  
> \},  
> "properties": \{  
> "host\_name": \{  
> "type": "keyword"  
> \},  
> "created\_at": \{  
> "type": "date",  
> "format": "EEE MMM dd HH:mm:ss Z YYYY"  
> \}  
> \}  
> \}  
> \}
> 
> \}

12.2 查看索引模板

> GET /\_template/template\_1

> GET /\_template/temp\*  
> GET /\_template/template\_1,template\_2  
> GET /\_template

12.3 删除模板

> DELETE /\_template/template\_1

13. Open/Close Index 打开/关闭索引

> POST /my\_index/\_close
> 
> POST /my\_index/\_open

说明：

关闭的索引不能进行读写操作，几乎不占集群开销。  
关闭的索引可以打开，打开走的是正常的恢复流程。

**14. Shrink Index 收缩索引**  
索引的分片数是不可更改的，如要减少分片数可以通过收缩方式收缩为一个新的索引。新索引的分片数必须是原分片数的因子值，如原分片数是8，则新索引的分片数可以为4、2、1 。

什么时候需要收缩索引呢?

最初创建索引的时候分片数设置得太大，后面发现用不了那么多分片，这个时候就需要收缩了

收缩的流程：

先把所有主分片都转移到一台主机上；  
在这台主机上创建一个新索引，分片数较小，其他设置和原索引一致；  
把原索引的所有分片，复制（或硬链接）到新索引的目录下；  
对新索引进行打开操作恢复分片数据；  
(可选)重新把新索引的分片均衡到其他节点上。

收缩前的准备工作；

将原索引设置为只读；

将原索引各分片的一个副本重分配到同一个节点上，并且要是健康绿色状态。

> PUT /my\_source\_index/\_settings  
> \{  
> "settings": \{  
>   
> "index.routing.allocation.require.\_name": "shrink\_node\_name",  
>   
> "index.blocks.write": true  
> \}  
> \}

进行收缩：

> POST my\_source\_index/\_shrink/my\_target\_index  
> \{  
> "settings": \{  
> "index.number\_of\_replicas": 1,  
> "index.number\_of\_shards": 1,  
> "index.codec": "best\_compression"  
> \}\}

监控收缩过程：  
GET \_cat/recovery?v  
GET \_cluster/health

**15. Split Index 拆分索引**  
当索引的分片容量过大时，可以通过拆分操作将索引拆分为一个倍数分片数的新索引。能拆分为几倍由创建索引时指定的index.number\_of\_routing\_shards 路由分片数决定。这个路由分片数决定了根据一致性hash路由文档到分片的散列空间。

如index.number\_of\_routing\_shards = 30 ，指定的分片数是5，则可按如下倍数方式进行拆分：  
5 → 10 → 30 (split by 2, then by 3)  
5 → 15 → 30 (split by 3, then by 2)  
5 → 30 (split by 6)

为什么需要拆分索引？

当最初设置的索引的分片数不够用时就需要拆分索引了，和压缩索引相反

注意：只有在创建时指定了index.number\_of\_routing\_shards 的索引才可以进行拆分，ES7开始将不再有这个限制。

和solr的区别是，solr是对一个分片进行拆分，es中是整个索引进行拆分。

拆分步骤：

准备一个索引来做拆分：

> PUT my\_source\_index  
> \{  
> "settings": \{  
> "index.number\_of\_shards" : 1,  
>   
> "index.number\_of\_routing\_shards" : 2  
> \}  
> \}

先设置索引只读：

> PUT /my\_source\_index/\_settings  
> \{  
> "settings": \{  
> "index.blocks.write": true  
> \}  
> \}

做拆分：

> POST my\_source\_index/\_split/my\_target\_index  
> \{  
> "settings": \{  
>   
> "index.number\_of\_shards": 2  
> \}  
> \}

监控拆分过程：  
GET \_cat/recovery?v  
GET \_cluster/health

**16. Rollover Index 别名滚动指向新创建的索引**  
对于有时效性的索引数据，如日志，过一定时间后，老的索引数据就没有用了。我们可以像数据库中根据时间创建表来存放不同时段的数据一样，在ES中也可用建多个索引的方式来分开存放不同时段的数据。比数据库中更方便的是ES中可以通过别名滚动指向最新的索引的方式，让你通过别名来操作时总是操作的最新的索引。

ES的rollover index API 让我们可以根据满足指定的条件（时间、文档数量、索引大小）创建新的索引，并把别名滚动指向新的索引。

注意：这时的别名只能是一个索引的别名。

Rollover Index 示例：

创建一个名字为logs-0000001 、别名为logs\_write 的索引：

> PUT /logs-000001  
> \{  
> "aliases": \{  
> "logs\_write": \{\}  
> \}  
> \}

添加1000个文档到索引logs-000001，然后设置别名滚动的条件

> POST /logs\_write/\_rollover  
> \{  
> "conditions": \{  
> "max\_age": "7d",  
> "max\_docs": 1000,  
> "max\_size": "5gb"  
> \}  
> \}

说明：  
如果别名logs\_write指向的索引是7天前（含）创建的或索引的文档数>=1000或索引的大小>= 5gb，则会创建一个新索引 logs-000002，并把别名logs\_writer指向新创建的logs-000002索引  
Rollover Index 新建索引的命名规则：  
如果索引的名称是-数字结尾，如logs-000001，则新建索引的名称也会是这个模式，数值增1。

如果索引的名称不是-数值结尾，则在请求rollover api时需指定新索引的名称

> POST /my\_alias/\_rollover/my\_new\_index\_name  
> \{  
> "conditions": \{  
> "max\_age": "7d",  
> "max\_docs": 1000,  
> "max\_size": "5gb"  
> \}

在名称中使用Date math（时间表达式）

如果你希望生成的索引名称中带有日期，如logstash-2016.02.03-1 ，则可以在创建索引时采用时间表达式来命名：

> \# PUT /<logs-\{now/d\}-1> with URI encoding:  
> PUT /%3Clogs-%7Bnow%2Fd%7D-1%3E  
> \{  
> "aliases": \{  
> "logs\_write": \{\}  
> \}  
> \}  
> PUT logs\_write/\_doc/1  
> \{  
> "message": "a dummy log"  
> \}  
> POST logs\_write/\_refresh  
> \# Wait for a day to pass  
> POST /logs\_write/\_rollover  
> \{  
> "conditions": \{  
> "max\_docs": "1"  
> \}  
> \}

Rollover时可对新的索引作定义：

> PUT /logs-000001  
> \{  
> "aliases": \{  
> "logs\_write": \{\}  
> \}  
> \}  
> POST /logs\_write/\_rollover  
> \{  
> "conditions" : \{  
> "max\_age": "7d",  
> "max\_docs": 1000,  
> "max\_size": "5gb"  
> \},  
> "settings": \{  
> "index.number\_of\_shards": 2  
> \}  
> \}

Dry run 实际操作前先测试是否达到条件：

> POST /logs\_write/\_rollover?dry\_run  
> \{  
> "conditions" : \{  
> "max\_age": "7d",  
> "max\_docs": 1000,  
> "max\_size": "5gb"  
> \}  
> \}

说明：  
测试不会创建索引，只是检测条件是否满足  
注意：rollover是你请求它才会进行操作，并不是自动在后台进行的。你可以周期性地去请求它。

**17. 索引监控**  
17.1 查看索引状态信息

官网链接：

[https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-stats.html][https_www.elastic.co_guide_en_elasticsearch_reference_current_indices-stats.html]

查看所有的索引状态：

GET /\_stats

查看指定索引的状态信息：

GET /index1,index2/\_stats

17.2 查看索引段信息

官网链接：

[https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-segments.html][https_www.elastic.co_guide_en_elasticsearch_reference_current_indices-segments.html]

GET /test/\_segments  
GET /index1,index2/\_segments  
GET /\_segments

17.3 查看索引恢复信息

官网链接：

[https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-recovery.html][https_www.elastic.co_guide_en_elasticsearch_reference_current_indices-recovery.html]

GET index1,index2/\_recovery?human  
GET /\_recovery?human

17.4 查看索引分片的存储信息

官网链接：

[https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-shards-stores.html][https_www.elastic.co_guide_en_elasticsearch_reference_current_indices-shards-stores.html]

\# return information of only index test  
GET /test/\_shard\_stores  
\# return information of only test1 and test2 indices  
GET /test1,test2/\_shard\_stores  
\# return information of all indices  
GET /\_shard\_stores  
GET /\_shard\_stores?status=green

**18. 索引状态管理**  
18.1 Clear Cache 清理缓存  
POST /twitter/\_cache/clear  
默认会清理所有缓存，可指定清理query, fielddata or request 缓存  
POST /kimchy,elasticsearch/\_cache/clear  
POST /\_cache/clear

18.2 Refresh，重新打开读取索引  
POST /kimchy,elasticsearch/\_refresh  
POST /\_refresh

18.3 Flush，将缓存在内存中的索引数据刷新到持久存储中  
POST twitter/\_flush

18.4 Force merge 强制段合并  
POST /kimchy/\_forcemerge?only\_expunge\_deletes=false&max\_num\_segments=100&flush=true

可选参数说明：

max\_num\_segments 合并为几个段，默认1  
only\_expunge\_deletes 是否只合并含有删除文档的段，默认false  
flush 合并后是否刷新，默认true

POST /kimchy,elasticsearch/\_forcemerge  
POST /\_forcemerge

**三、映射详解**

--------------------

**1. Mapping 映射是什么**

映射定义索引中有什么字段、字段的类型等结构信息。相当于数据库中表结构定义，或 solr中的schema。因为lucene索引文档时需要知道该如何来索引存储文档的字段。  
ES中支持手动定义映射，动态映射两种方式。

1.1. 为索引创建mapping

> PUT test  
> \{  
>   
> "mappings" : \{  
>   
> "type1" : \{  
>   
> "properties" : \{  
>   
> "field1" : \{ "type" : "text" \}  
> \}  
> \}  
> \}  
> \}

说明：映射定义后续可以修改

**2. 映射类别 Mapping type 废除说明**  
ES最先的设计是用索引类比关系型数据库的数据库，用mapping type 来类比表，一个索引中可以包含多个映射类别。这个类比存在一个严重的问题，就是当多个mapping type中存在同名字段时（特别是同名字段还是不同类型的），在一个索引中不好处理，因为搜索引擎中只有 索引-文档的结构，不同映射类别的数据都是一个一个的文档（只是包含的字段不一样而已）

从6.0.0开始限定仅包含一个映射类别定义（ "index.mapping.single\_type": true ），兼容5.x中的多映射类别。从7.0开始将移除映射类别。  
为了与未来的规划匹配，请现在将这个唯一的映射类别名定义为“\_doc”,因为索引的请求地址将规范为：PUT \{index\}/\_doc/\{id\} and POST \{index\}/\_doc

Mapping 映射示例：

> PUT twitter  
> \{  
> "mappings": \{  
> "\_doc": \{  
> "properties": \{  
> "type": \{ "type": "keyword" \},  
> "name": \{ "type": "text" \},  
> "user\_name": \{ "type": "keyword" \},  
> "email": \{ "type": "keyword" \},  
> "content": \{ "type": "text" \},  
> "tweeted\_at": \{ "type": "date" \}  
> \}  
> \}  
> \}
> 
> \}

多映射类别数据转储到独立的索引中：

ES 提供了reindex API 来做这个事

**3. 字段类型 datatypes**  
字段类型定义了该如何索引存储字段值。ES中提供了丰富的字段类型定义，请查看官网链接详细了解每种类型的特点：

[https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html][https_www.elastic.co_guide_en_elasticsearch_reference_current_mapping-types.html]

3.1 Core Datatypes 核心类型

> string

> text and keyword  
> Numeric datatypes  
> long, integer, short, byte, double, float, half\_float, scaled\_float  
> Date datatype  
> date  
> Boolean datatype  
> boolean  
> Binary datatype  
> binary  
> Range datatypes 范围  
> integer\_range, float\_range, long\_range, double\_range, date\_range

3.2 Complex datatypes 复合类型  
Array datatype  
数组就是多值，不需要专门的类型  
Object datatype  
object ：表示值为一个JSON 对象  
Nested datatype  
nested：for arrays of JSON objects（表示值为JSON对象数组 ）

3.3 Geo datatypes 地理数据类型

> Geo-point datatype  
> geo\_point：for lat/lon points （经纬坐标点）  
> Geo-Shape datatype  
> geo\_shape：for complex shapes like polygons （形状表示）

3.4 Specialised datatypes 特别的类型

> IP datatype  
> ip：for IPv4 and IPv6 addresses  
> Completion datatype  
> completion：to provide auto-complete suggestions  
> Token count datatype  
> token\_count：to count the number of tokens in a string  
> mapper-murmur3  
> murmur3：to compute hashes of values at index-time and store them in the index  
> Percolator type  
> Accepts queries from the query-dsl  
> join datatype  
> Defines parent/child relation for documents within the same index

4. 字段定义属性介绍  
字段的type (Datatype)定义了如何索引存储字段值，还有一些属性可以让我们根据需要来覆盖默认的值或进行特别定义。请参考官网介绍详细了解：https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html

analyzer 指定分词器

normalizer 指定标准化器  
boost 指定权重值  
coerce 强制类型转换  
copy\_to 值复制给另一字段  
doc\_values 是否存储docValues  
dynamic  
enabled 字段是否可用  
fielddata  
eager\_global\_ordinals  
format 指定时间值的格式  
ignore\_above  
ignore\_malformed  
index\_options  
index  
fields  
norms  
null\_value  
position\_increment\_gap  
properties  
search\_analyzer  
similarity  
store  
term\_vector

字段定义属性—示例

> PUT my\_index  
> \{  
> "mappings": \{  
> "\_doc": \{  
> "properties": \{  
> "date": \{  
> "type": "date",  
>   
> "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch\_millis"  
> \}  
> \}  
> \}  
> \}  
> \}

**5. Multi Field 多重字段**  
当我们需要对一个字段进行多种不同方式的索引时，可以使用fields多重字段定义。如一个字符串字段即需要进行text分词索引，也需要进行keyword 关键字索引来支持排序、聚合；或需要用不同的分词器进行分词索引。

示例：

定义多重字段：

说明：raw是一个多重版本名（自定义）

> PUT my\_index  
> \{  
> "mappings": \{  
> "\_doc": \{  
> "properties": \{  
> "city": \{  
> "type": "text",  
> "fields": \{  
> "raw": \{  
> "type": "keyword"  
> \}  
> \}  
> \}  
> \}  
> \}  
> \}  
> \}

往多重字段里面添加文档

> PUT my\_index/\_doc/1  
> \{  
> "city": "New York"  
> \}  
>   
> PUT my\_index/\_doc/2  
> \{  
> "city": "York"  
> \}

获取多重字段的值：

> GET my\_index/\_search  
> \{  
> "query": \{  
> "match": \{  
> "city": "york"  
> \}  
> \},  
> "sort": \{  
> "city.raw": "asc"  
> \},  
> "aggs": \{  
> "Cities": \{  
> "terms": \{  
> "field": "city.raw"  
> \}  
> \}  
> \}  
> \}

**6. 元字段**  
官网链接：  
[https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-fields.html][https_www.elastic.co_guide_en_elasticsearch_reference_current_mapping-fields.html]

元字段是ES中定义的文档字段

**7. 动态映射**  
动态映射：ES中提供的重要特性，让我们可以快速使用ES，而不需要先创建索引、定义映射。如我们直接向ES提交文档进行索引：  
PUT data/\_doc/1  
\{ "count": 5 \}

ES将自动为我们创建data索引、\_doc 映射、类型为 long 的字段 count

索引文档时，当有新字段时， ES将根据我们字段的json的数据类型为我们自动加人字段定义到mapping中。

7.1 字段动态映射规则

7.2 Date detection 时间侦测

所谓时间侦测是指我们往ES里面插入数据的时候会去自动检测我们的数据是不是日期格式的，是的话就会给我们自动转为设置的格式

date\_detection 默认是开启的，默认的格式dynamic\_date\_formats为：

> \[ "strict\_date\_optional\_time","yyyy/MM/dd HH:mm:ss Z||yyyy/MM/dd Z"\]  
> PUT my\_index/\_doc/1  
> \{  
> "create\_date": "2015/09/02"  
> \}  
>   
> GET my\_index/\_mapping

自定义时间格式：

> PUT my\_index  
> \{  
> "mappings": \{  
> "\_doc": \{  
> "dynamic\_date\_formats": \["MM/dd/yyyy"\]  
> \}  
> \}  
> \}

禁用时间侦测：

> PUT my\_index  
> \{  
> "mappings": \{  
> "\_doc": \{  
> "date\_detection": false  
> \}  
> \}  
> \}

7.3 Numeric detection 数值侦测

开启数值侦测（默认是禁用的）

> PUT my\_index  
> \{  
> "mappings": \{  
> "\_doc": \{  
> "numeric\_detection": true  
> \}  
> \}  
> \}  
> PUT my\_index/\_doc/1  
> \{  
> "my\_float": "1.0",  
> "my\_integer": "1"  
> \}

**想了解更多关于数据库、云技术的内容吗？**

**快来关注“数据和云”公众号、“云和恩墨”官方网站，我们期待与大家一同学习和进步！**

![aHR0cDovL3AzLnBzdGF0cC5jb20vbGFyZ2UvcGdjLWltYWdlL2UxNTYwNmViNjRiNjQ5YjNiOWRiNmZiOTgxYzg4NDI0][]

**（扫描上方二维码，关注“数据和云”公众号，即可查看更多科技文章）**

**数据和云小程序『DBASK』在线问答，随时解惑 欢迎了解和关注。**

![20190814111709817.jpg][]

来源：：ZhaoYingChao88

[https_www.enmotech.com_web_detail_1_835_1.html]: https://www.enmotech.com/web/detail/1/835/1.html
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQzNzE3MzMwMzU3NzQucG5n]: /images/20211101/61b7434114b34994ac9951276eaf9a0e.png
[http_localhost_9200_cat_health_v]: http://localhost:9200/_cat/health?v
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ0MjQwODQwNTk2MTkucG5n]: /images/20211101/5e8445da4c844337b7855b6270839e4a.png
[http_localhost_9200_cat_v]: http://localhost:9200/_cat/?v
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ0ODcyNTMwMTE2MTIucG5n]: /images/20211101/4cd8ce5076174f32b1eef383a298a40a.png
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ1MzY4MzAwNTY5MTQucG5n]: /images/20211101/d1b0568e8f114c58a7f30c78b0772572.png
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ1NzE1MDIwNzU5MTkucG5n]: /images/20211101/25204c0cbbe2497f92dffe35e9180563.png
[http_localhost_9200_cat_indices_v]: http://localhost:9200/_cat/indices?v
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ2MDExNDkwMjYzMTEucG5n]: /images/20211101/cae2e4efba49432db41b73164cbe025e.png
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ2Mjc1MDkwNTY1MzYucG5n]: /images/20211101/4da879e27a4944fd8829758eb312c858.png
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ4MDgxODgwMTYzOTEucG5n]: /images/20211101/a237fa2e0395477886f6cebe42d072db.png
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ4MjEyODUwNTA4MzMuanBn]: /images/20211101/85f1b799a8da4bd7919a34c70adec161.png
[aHR0cHM6Ly93d3cuZW5tb3RlY2guY29tL3B1YmxpY19yZXNvdXJjZXMvdWUvdXBsb2FkL2ltYWdlLzIwMTkwODEyLzE1NjU1NzQ5MTc2ODEwMDIwMDUucG5n]: /images/20211101/fba19aaea10b4bc4a207320ad251e92e.png
[https_www.elastic.co_guide_en_elasticsearch_reference_current_indices-stats.html]: https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-stats.html
[https_www.elastic.co_guide_en_elasticsearch_reference_current_indices-segments.html]: https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-segments.html
[https_www.elastic.co_guide_en_elasticsearch_reference_current_indices-recovery.html]: https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-recovery.html
[https_www.elastic.co_guide_en_elasticsearch_reference_current_indices-shards-stores.html]: https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-shards-stores.html
[https_www.elastic.co_guide_en_elasticsearch_reference_current_mapping-types.html]: https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html
[https_www.elastic.co_guide_en_elasticsearch_reference_current_mapping-fields.html]: https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-fields.html
[aHR0cDovL3AzLnBzdGF0cC5jb20vbGFyZ2UvcGdjLWltYWdlL2UxNTYwNmViNjRiNjQ5YjNiOWRiNmZiOTgxYzg4NDI0]: /images/20211101/b4f3946648a445b0a8538399e3c50541.png
[20190814111709817.jpg]: https://img-blog.csdnimg.cn/20190814111709817.jpg