Elasticsearch之映射（mapping）。

Myth丶恋晨 2024-02-18 15:16 65阅读 0赞

索引中每个文档都有一个类型（type）。每个类型拥有自己的映射（mapping）或者模式定义（schema definition）。一个映射定义了字段类型，每个字段的数据类型，以及字段被Elasticsearch处理的方式。映射还用于设置关联到类型上的元数据。

#### 核心简单字段类型 ####

Elasticsearch支持以下简单字段类型：

![20170916141623496][]

当你索引一个包含新字段的文档——一个之前没有的字段——Elasticsearch将使用动态映射猜测字段类型，这类型来自于JSON的基本数据类型，使用以下规则：

![20170916141900992][]

注意：这意味着，如果你索引一个带引号的数字——“123”，它将被映射为“string”，而不是“long”类型。然而，如果字段已经被映射为“long”类型，Elasticsearch将尝试转换字符串为long，并在转换失败时会抛出异常。

### 查看映射 ###

我们可以使用\_mapping后缀来查看Elasticsearch中的映射。例如，找到索引gb类型tweet中的映射：

GET /gb/\_mapping/tweet

这展示给了我们字段的映射（叫做属性（properties）），这些映射是Elasticsearch在创建索引时动态生成的：

![20170916142448284][]

![20170916142516574][]

小提示：错误的映射，例如把age字段映射为string类型而不是integer类型，会造成查询结果混乱。

要检查映射类型，而不是假设他是正确的！

### 自定义字段映射 ###

映射中最重要的字段参数是type。除了string类型的字段，你可能很少需要映射其他的type：

![20170916142827608][]

string类型的字段，默认的，考虑到包含全文本，他们的值在索引前要经过分析器分析，并且在全文搜索此字段前要把查询语句做分析处理。

对于string字段，两个最重要的映射参数是index和analyer。

*  #### index ####

index参数控制字符串以何种方式被索引。它包含以下三个值当中的一个：

![20170916143054773][]

string类型字段默认值是analyzed。如果我们想映射字段为确切值，我们需要设置它为not\_analyed：

![20170916143244174][]

其他简单类型——long、double、dtae等等——也接受index参数，但相应的值只能是no和not\_analyzed，他们的值不能被分析。

*  #### 分析 ####

对于analyzed类型的字符串字段，使用analyzer参数来指定哪一种分析器将在搜索和索引的时候使用。默认的，Elasticsearch使用standard分析器，但是你可以通过指定一个內建的分析器来更改他，例如whitespace、simple或english。

![20170916143652031][]

### 更新映射 ###

你可以在第一次创建索引的时候指定映射的类型。此外，你也可以晚些时候为新类型添加映射（或者为已有的类型更新映射）。

重要：你可以向已有映射中增加字段，但你不能修改它。如果一个字段在映射中已经存在，这可能意味着那个字段的数据已经被索引。如果你改变了字段映射，那已经被索引的数据将错误并且不能被正确的索引到。

为了演示两个指定的映射方法，让我们首先删除索引gb：

DELETE /gb

然后创建一个新索引，指定tweet字段的分析器为english：

PUT /gb  
\{  
"mappings": \{  
"tweet" : \{  
"properties": \{  
"tweet" : \{  
"type": "string",  
"analyzer": "english"  
\},  
"date" : \{  
"type": "date"  
\},  
"name" : \{  
"type": "string"  
\},  
"user\_id" : \{  
"type": "long"  
\}  
\}  
\}  
\}  
\}

这将创建包含mappings的索引，映射在请求体中指定。

再后来，我们决定在tweet的映射中增加一个新的not\_analyzed类型的文本字段，叫做tag，使用\_mapping后缀：

PUT /gb/\_mapping/tweet  
\{  
"properties": \{  
"tag" : \{  
"type": "string",  
"index": "not\_analyzed"  
\}  
\}  
\}

注意到我们不再需要列出所有的已经存在的字段，因为我们没法修改他们。我们的新字段已经被合并至存在的那个映射中。

### 测试映射 ###

你可以通过名字使用analyze API测试字符串字段的映射，对比这两个请求的输出：

GET /gb/\_analyze?field=tweet

Black-cats <1>

GET /gb/\_analyze?field=tag

Black-cats <1>

<1> 我们想要分析的文本被放在请求体中。

tweet字段产生两个词，“black”和“cat”，tag字段产生单独一个词“Black-cats”。换言之，我们的映射工作正常。

## 复合核心字段类型 ##

除了之前提到的简单的标量类型，JSON还有null值，数组和对象，所有这些Elasticsearch都支持：

### 多值字段 ###

我们想让tag字段包含多个字段，这非常有可能发生。我们可以索引一个标签数组来代替单一字符串：

\{"tag" : \[ "search" , "nosql" \] \}

对于数组不需要特殊的映射。任何一个字段可以包含零个、一个或多个值，同样对于全文字段将被分析并产生多个词。

言外之意，这意味着数组中所有值必须为同一类型。你不能把日期和字符串混合。如果你创建一个新字段，这个字段索引了一个数组，Elasticsearch将使用第一个值的类型来确定这个新字段的类型。

当你从Elasticsearch中取回一个文档，任何一个数组的顺序和你索引它的顺序一致。你取回的\_source字段的顺序同样与索引他们的顺序相同。

然而，数组是作为多值字段被索引的，他们没有顺序。在搜索阶段你不能指定“第一个值”或者“最后一个值”。倒不如把数组当做一个值集合（gag of values）。

### 空字段 ###

当然数组可以是空的。这等价于有零个值。事实上，Lucene没法存放null值，所以一个null值的字段被认为是空字段。

这四个字段将被识别为空字段而不被索引：

![20170916150048655][]

### 多层对象 ###

我们需要讨论的最后一个自然JSON数据类型是对象（object）——在其他语言中叫做hashed、hashmaps、dictionaries或者associative arrays。

内部对象（inner objects）经常用于嵌入一个实体或对象里的另一个地方。例如，做在tweet文档中user\_name和user\_id的替代，我们可以这样写：

![20170916150319959][]

### 内部对象的映射 ###

Elasticsearch会动态的检测新对象的字段，并且映射他们为Object类型，将每个字段加到properties字段下：

![20170916150436641][]

<1> 根对象.

<2> 内部对象.

对user和name字段的映射与tweet类型自己很相似。事实上，type映射只是object映射的一种特殊类型，我们将object称为根对象。它与其他对象一模一样，除非它有一些特殊的顶层字段，比如\_source、\_all等等。

### 内部对象时怎样被索引的    ###

Lucene不理解内部对象。Lucene文档由一个键-值对列表。为了Elasticsearch指出内部对象用到的字段，它把我们的文档弄成这样：

![20170916150921252][]

内部字段可以提到的名字，如“first”。区分两个领域有相同的名字，我们之间使用完整路径，如“user.name.first”，甚至type名称加上路径：“tweet.user.name.first”。

NOTE：在简单的扁平的document上面，没有field所谓的user并没有所谓user.name。Lucene只索引或简单的values，没有复杂的数据结构。

### 对象数组 ###

最后，考虑如何对包含内部对象的数组进行索引。比方说我们有一个followers数组看起来像这样：

\[ source , js \]

\{ "followers": \[ \{ "age": 35, "name": "Mary White"\}, \{ "age": 26, "name": "Alex Jones"\}, \{ "age": 19, "name": "Lisa Smith"\} \]\}

这个文档将像我们上面描述的那样被压扁，但是结果会是这样的：

\[ source , js \]

\{ "followers.age": \[19, 26, 35\], "followers.name": \[alex, jones, lisa, smith, mary, white\]\}

\{ age : 35 \}和\{name : Mary White \}之间的相关性已经丢失，因为每个多值字段只是一个值包，不是有序数组。这就足够我们问了：

*  有一个26岁的follwer吗？

但是我们不能得到准确的答案：

*  有一个26岁的叫Alex Jones的follower吗？

相关的内部对象，可以回答类似这样的查询，称为嵌套对象。

[20170916141623496]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/faa4937192c442fb9437f3f9f2a4fb25.png
[20170916141900992]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/99430223800342d4a9ae2f439e7b6720.png
[20170916142448284]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/7e2b4109715745c68ff8b722c71c300a.png
[20170916142516574]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/f8b552692c764190a57f180a6306bc98.png
[20170916142827608]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/d261bbe0e42e4656b80bfa1d26c6e1f2.png
[20170916143054773]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/fba00f439de441be815f8444034ae40e.png
[20170916143244174]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/b762f3b0cf12415980e94f28cf42174a.png
[20170916143652031]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/a364169fa43d489c97459fc780eb8a98.png
[20170916150048655]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/224191b39c164374b257bab69328214e.png
[20170916150319959]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/2fc86e6e93fd40d39f97b2eb9d0e75b6.png
[20170916150436641]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/f9f69565173443a088d741b961d0e6c7.png
[20170916150921252]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/5ddc9a93070049ac87d44b99ea6db1a2.png