ES的文档映射

文档映射

把ElasticSearch的核心概念和关系数据库做了一个对比,索引(index)相当于数据库,类型(type)相当于数据表,映射(Mapping)相当于数据表的表结构。ElasticSearch中的映射(Mapping)用来定义一个文档,可以定义所包含的字段以及字段的类型、分词器及属性等等。
文档映射就是给文档中的字段指定字段类型、分词器。

在Elasticsearch7以后会将type移除,自动映射,自动识别。
映射的查询:

## 查询映射
GET /laoyeye/_mapping
{
  "laoyeye" : {
    "mappings" : {
      "user" : {
        "properties" : {
          "adress" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "age" : {
            "type" : "long"
          },
          "name" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "sex" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          }
        }
      }
    }
  }
}

可以发现int类型在es里面自动映射成了long类型。String映射成了text类型。

映射的分类

动态映射

我们知道,在关系数据库中,需要事先创建数据库,然后在该数据库实例下创建数据表,然后才能在该数据表中插入数据。而ElasticSearch中不需要事先定义映射(Mapping),文档写入ElasticSearch时,会根据文档字段自动识别类型,这种机制称之为动态映射。

静态映射

在ElasticSearch中也可以事先定义好映射,包含文档的各个字段及其类型等,这种方式称之为静态映射。

ES类型的支持

基本类型

字符串:string,string类型包含 text 和 keyword。

text:该类型被用来索引长文本,在创建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,text类型不能用来排序和聚合。
keyword:该类型不需要进行分词,可以被用来检索过滤、排序和聚合,keyword类型自读那只能用本身来进行检索(不可用text分词后的模糊检索)。
注意: keyword类型不能分词,Text类型可以分词查询
数指型:long、integer、short、byte、double、float
日期型:date
布尔型:boolean
二进制型:binary
数组类型(Array datatype)

复杂类型

地理位置类型(Geo datatypes)
地理坐标类型(Geo-point datatype):geo_point 用于经纬度坐标
地理形状类型(Geo-Shape datatype):geo_shape 用于类似于多边形的复杂形状

特定类型(Specialised datatypes)

Pv4 类型(IPv4 datatype):ip 用于IPv4 地址
Completion 类型(Completion datatype):completion 提供自动补全建议
Token count 类型(Token count datatype):token_count 用于统计做子标记的字段的index数目,该值会一直增加,不会因为过滤条件而减少
mapper-murmur3 类型:通过插件,可以通过_murmur3_来计算index的哈希值
附加类型(Attachment datatype):采用mapper-attachments插件,可支持_attachments_索引,例如 Microsoft office 格式,Open Documnet 格式, ePub,HTML等

创建文档指定类型

还是以开头的案例为例:
首先创建文档:

###创建文档 /索引名称/类型/id
PUT /laoyeye/user/1
{
  "name":"小卖铺的老爷爷",
  "sex":"男",
  "adress":"商户",
  "age":18
}

动态映射类型为:
GET /laoyeye/_mapping

{
  "laoyeye" : {
    "mappings" : {
      "user" : {
        "properties" : {
          "adress" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "age" : {
            "type" : "long"
          },
          "name" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "sex" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          }
        }
      }
    }
  }
}

这时候我有个需求,需要根据name字段做精确匹配,按照正常的逻辑,我们会写出下面的查询

GET /laoyeye/user/_search
{
  "query": {
    "term": {
      "name": "小卖铺的老爷爷"
    }
  }
}

然后结果并没有达到预期,没有查询的结果。
因为name为text类型,做了分词,分词后没有这个关键词了,所以无法查询,这时候我们就需要修改映射的类型,将name修改为keyword

注意:如果已经有数据,不能直接做映射,先删除掉,在添加映射,再添加数据

如果数据已经存在,需要删除索引,在指定类型

# 删除索引
DELETE /laoyeye
# 指定类型
PUT /laoyeye
{
  "mappings": {
    "user": {
      "properties": {
        "adress": {
          "type": "text",
          "analyzer": "ik_smart"
        },
         "age" : {
            "type" : "long"
          },
    "name" : {
            "type" : "keyword"
          }
      }
    }
  }
}

❤本博客只适用于研究学习为目的,大多为学习笔记,如有错误欢迎指正,如有误导敬请谅解(本人尽力保证90%的验证和10%的猜想)。

❤如果这篇文章对你有一点点的帮助请给一份推荐! 谢谢!你们的鼓励是我继续前进的动力。

posted @ 2020-07-12 18:31  小卖铺的老爷爷  阅读(348)  评论(0编辑  收藏  举报


^
TOP