2.elasticsearch中的mapping

mapping 顾名思义，代表了映射关系。是文档中字段和数据类型的映射关系

为什么要了解mapping

虽然elasticsearch中已尽有的动态mapping(Dynamic Mapping)，而且新增字段默认也会添加新的mapping，但是毕竟是机器，有时会推算的不对，比如地理位置信息，特殊格式化的日期类型等。这时，如果需要es提供排序、聚合等查询功能，就不能满足我们的需求。

什么是mapping

• 通过手动设置mapping，我们可以
  • 定义文档里字段的数据类型
  • 定义字段的名称
  • 定义对应字段的是否索引
  • 定义对应字段的分词方式
• mapping会把JSON文档文档映射成Lucene所需要的扁平格式
• 一个mapping属于一个索引的type
  • 每个文档都属于一个Type
  • 一个type又一个mapping定义
  • 7.0开始，不需要在mapping定义中指定type信息，因为默认每个索引只有一个type叫"_doc"

查询mapping

#GET 索引名/_mapping
GET mapping_test/_mapping

设置mapping

PUT users
{
    "mappings" : {
      "properties" : {
        "firstName" : {
          "type" : "text",//text类型全文搜索
          "fields" : {
            "keyword" : {
              "type" : "keyword",//keyword支持聚合查询
              "ignore_above" : 256
            }
          }
        },
        "lastName" : {
          "type" : "keyword",
           "null_value": "NULL"//支持字段为null，只有keyword类型支持
        },
        "mobile" : {
          "type" : "text",
          "index": false//此字段不被索引
        },
        "address":{
            "type":"text",
            "index_options":"offsets"//控制倒排索引记录的内容。offsets最多，记录四个
        }
      }
    }
}

Dynamic Mapping

什么是动态mapping

在写入文档时，如果索引不存在，会自动创建索引，字段类型的自动识别如下：

JSON类型	Elastic search类型
字符串	1、匹配日期格式，设置成Date 2、配置数子设置为float或者long，该选项默认关闭3、设置为text，并且增加keyword字段，超过256位 不分词
布尔值	boolean
浮点数	float
整数	long
对象	object
数组	由第一个非空数值的类型做决定
空值	忽略

PUT dynamic_mapping_test/_mapping
{
  "dynamic": false
}

PUT dynamic_mapping_test/_mapping
{
  "dynamic": strict
}

• dynamic属性默认为true，新增字段时会自动创建mapping

• dynamic属性被设置为false时，新增字段不会创建mapping，但是数据会存储，无法根据字段条件查询，但是该字段会会被match_all查询处理

• dynamic属性被设置为strict时，数据写入直接出错

es中字段对应的数据类型

• 简单类型
  • text/keyword，对应json中的String，一般会设置字段为text，然后新建个keyword子字段，设置为keyword类型
    • text类型被用来索引长文本，在建立索引前会将这些文本进行分词，转化为词的组合，建立索引。允许es来检索这些词语。text类型不能用来排序和聚合。
    • Keyword类型不需要进行分词，可以被用来检索过滤、排序和聚合。keyword 类型字段只能用本身来进行检索
  • date
  • long, integer, short, byte, double, float
  • boolean
  • IPv4&IPv6
• 复杂类型-对象和嵌套对象
  • 对象类型/嵌套类型(n)
• 特殊类型
  • geo_point&geo_shape/percolator

如何设置自定义mapping

常见的属性

• index 控制当前字段是否被索引，默认为true，如果设置成false，该字段不可被搜索
• index_options 控制倒排索引记录的内容
  • docs 记录doc id
  • freqs 记录doc id 和term frequencies
  • positions 记录doc id/term frequencies/term position
  • offsets 记录doc id/term frequencies/term position/character offects
• null_value 需要对字段为null值实现搜索
  • 只有keyword类型支持设定为null_value
• copy_to
  • _all在7+版本中被copy_t所替代
  • 将字段内容拷贝到目标字段，查询时可以用目标字段作为查询条件，但是不会出现_source中
• fields
  • 在字段下新增一个字段，可以自定义类型，使用不同的analyzer
  • 可以用来实现以拼音方式搜索中文字段
• analyzer 分词器
  • standard 默认分词器，按词切分，小写处理
  • simple 按照非字母切分（符号被过滤），小写处理
  • stop 小写处理，停用词过滤（the、a、is）
  • whitespace 按照空格切分，不转小写
  • keyword 不分词，直接将输入当作输出
  • patter 正则表达式，默认\W+（非字符分隔）
  • language 提供了30多种常见语言的分词器（english、german）
  • 中文分词 icu_analyzer、ik、thulac

什么是分词器

分词器分为三部分，分别担任不同的工作

• character filters 对文本进行预处理，如去除html标签、字符串替换、正则匹配替换
• tokenizer 将文本按照一定规则，切分为词
• token filter 将tokenizer切分的词进行增加、修改、删除操作（添加近义词，复数改单数，小写）

设置自定义的分词器

可以将分词器的三个组成部分，自己搭配，实现自定义，也可以用java实现tokenizer插件

{
  "tokenizer":"keyword",
  "char_filter":["html_strip"],
  "filter": ["stop","snowball"]
}

{
  "tokenizer":"standard",
  "char_filter": [
      {
        "type" : "mapping",
        "mappings" : [ ":) => happy", ":( => sad"]
      }
    ],
  "filter": ["stop","snowball"]
}

#自定分词器，并且让firstName字段使用自定义分词器
PUT users
{
  "settings": {
      "analysis": {
          "analyzer": {
              "my_custom_analyzer": {
                  "type": "custom",
                  "char_filter": [
                      "emoticons"
                  ],
                  "tokenizer": "punctuation",
                  "filter": [
                      "lowercase",
                      "english_stop"
                  ]
              }
          },
          "tokenizer": {
              "punctuation": {
                  "type": "pattern",
                  "pattern": "[.,!?]"
              }
          },
          "char_filter": {
              "emoticons": {
                  "type": "mapping",
                  "mappings": [
                      ":) => _happy_",
                      ":( => _sad_"
                  ]
              }
          },
          "filter": {
              "english_stop": {
                  "type": "stop",
                  "stopwords": "_english_"
              }
          }
      }
  },
  "mappings" : {
      "properties" : {
        "firstName" : {
          "type" : "text",
          "analyzer": "my_custom_analyzer",
          "fields": {
            "keyword":{
              "type":"keyword",
              "ignore_above":256
            }
          }
        },
        "lastName" : {
          "type" : "keyword",
           "null_value": "NULL"
        },
        "mobile" : {
          "type" : "text",
          "index": false
        },
        "address":{
            "type":"text",
            "index_options":"offsets"
        }
      }
    }
}

设置索引模版和动态模版

比如索引是日志时，每天增加一个索引，那么设置索引模版可以自动按照模版生成索引mapping，设置分片。

index template

• 帮助你设定mapping和setting，并按照一定的规则，自动匹配到新创建的索引之上
• 模版仅在一个索引创建时产生作用，修改模版不会影响已创建的索引
• 可以设定多个索引模版，这些设置会被“merge”在一起
• 可以指定“order”的数值，控制“merging”的过程

PUT _template/template_default
{
  "index_patterns": ["*"],
  "order" : 0,
  "version": 1,
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas":1
  }
}

PUT /_template/template_test
{
    "index_patterns" : ["test*"],
    "order" : 1,
    "settings" : {
        "number_of_shards": 1,
        "number_of_replicas" : 2
    },
    "mappings" : {
        "date_detection": false,//匹配字符串转日期功能
        "numeric_detection": true//匹配字符串转数值功能
    }
}

#获取template
GET /_template/temp*

当一个索引被创建时

1. 应用elasticsearch默认的settings和mappings
2. 应用order数值低的index template中的设定
3. 应用order数值高的，之前的设定会被覆盖
4. 应用创建索引时用户指定的setting和mappings，覆盖之前模版中的设定

dynamic template(感觉用到的不多)

• 根据elasticsearch识别的数据类型，结合字段名称，对一个索引来动态设定字段类型，比如
  • 所有的字符串类型都设置成keyword
  • is开头的字段都设置成boolean
  • long开头的都设置成long类型

PUT my_index
{
  "mappings": {
    "dynamic_templates": [
            {
        "strings_as_boolean": {
          "match_mapping_type":   "string",
          "match":"is*",
          "mapping": {
            "type": "boolean"
          }
        }
      },
      {
        "strings_as_keywords": {
          "match_mapping_type":   "string",
          "mapping": {
            "type": "keyword"
          }
        }
      }
    ]
  }
}