Elasticsearch系列---初识mapping

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

概要

本篇简单介绍一下field数据类型mapping的相关知识。

mapping是什么？

前面几篇的实战案例，我们向Elasticsearch索引数据时，只是简单地把JSON文本放在请求体里，至于JSON里的field类型，存储到ES里是什么类型，中间是怎么做的映射，这个映射过程，就是mapping要解决的问题。

mapping简单来说，就是解决JSON文本内容到field类型映射关系的定义。将时间域视为时间类型，数字视为数字类型，字符串识别为全文或精确值字符串，这个识别的过程，叫做mapping。

Elasticsearch支持的简单域类型，类似于Java的基础数据类型，有如下几种：

字符串：text，keyword
整数 : byte, short, integer, long
浮点数: float, double
布尔型: boolean
日期: date

当Elasticsearch收到JSON基本数据类型内容时，使用如下规则进行类型映射：

JSON type	domain type
布尔型: true 或者 false	boolean
整数: 123	long
浮点数: 123.45	double
日期格式的字符串: 2014-09-15	date
字符串: love you	text

查看映射

每个索引都可以通过/_mapping查询各个field的映射结果，ES本身有自动mapping的过程，但mapping后的结果一定要仔细检查一下。

查询请求：

GET /music/_mapping/children

响应结果：

{ "music": { "mappings": { "children": { "properties": { "content": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "language": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } }, "fielddata": true }, "length": { "type": "long" }, "likes": { "type": "long" }, "name": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } } } } }

mapping中就自动定义了每个field的数据类型，properties下面的是各个field字段的名称、类型等信息，text类型的还带一个keyword子field。

数据类型的分词规则

index在建立时或索引数据时，如果没有手动指定mapping信息，Elasticsearch会用它的规则自动为我们创建type信息，以及type对应的mapping，mapping中包含了每个field对应的数据类型，以及如何分词等设置。

不同类型的field，有的是精确搜索(exact value)，有的是全文搜索(full text)。

exact value，在建立倒排索引的时候，是将整个值一起作为一个关键词建立到倒排索引中的，并且大小写敏感；
full text，会经历各种各样的处理，分词，normaliztion（时态转换，同义词转换，大小写转换），才会建立到倒排索引中。

在一个搜索请求过来的时候，对exact value field和full text field进行搜索的会与当初建立倒排索引的行为保持一致；比如说exact value搜索的时候，就是直接按照整个值进行匹配，full text query string，也会进行分词和normalization再去倒排索引中去搜索，这样才能达到预期的搜索效果。

ES基本的几种field类型，除了text是使用full text，其他的都是exact value，总结来说mapping，决定了数据类型，建立倒排索引的行为，还有进行搜索的行为。

自定义映射

基本数据类型基本够用，但是有些数据可能需要自定义映射，尤其是字符串，string类型默认是full text，但是我们可以自己定义分词器，不同的分词器，会带来不一样的搜索效果，string类型最重要的属性是index和analyzer。

index

这个属性控制字符串的索引规则，有三个值可供选择：

true：支持索引，并且依据当前类型决定是全文搜索还是精确匹配
false：不索引

例如：

{ "author": { "type": "text", "index": true } }

analyzer

这个属性控制字符串使用的分词器，在支持中文的系统里，这个属性经常被用到，各路分词器大显身手，都需要用这个属性来指定，如：

{ "content": { "type": "text", "analyzer": "aliws" } }

测试映射

我们在建立索引之后，可以通过测试命令来查看不同的field的映射结果，即full text类型的是否有分词， exact value的是否原样保留，text的内容可以随意输入，当把这个作用工具调试时，可以诊断的内容的分词情况，举例如下：

full text类型

GET /music/_analyze { "field": "content", "text": "let me sleep" }

结果：

{ "tokens": [ { "token": "let", "start_offset": 0, "end_offset": 3, "type": "<ALPHANUM>", "position": 0 }, { "token": "me", "start_offset": 4, "end_offset": 6, "type": "<ALPHANUM>", "position": 1 }, { "token": "sleep", "start_offset": 7, "end_offset": 12, "type": "<ALPHANUM>", "position": 2 } ] }