Elasticsearch 从入门到放弃：瞎说 Mapping

前面我们聊了 Elasticsearch 的索引、搜索和分词器，今天再来聊另一个基础内容—— Mapping。



Mapping 在 Elasticsearch 中的地位相当于关系型数据库中的 schema，它可以用来定义索引中字段的名字、定义字段的数据类型，还可以用来做一些字段的配置。从 Elasticsearch 7.0开始，Mapping 中不在乎需要定义 type 信息了，具体原因可以看官方的解释。



字段的数据类型



我们刚刚提到 Mapping 中可以定义字段的数据类型，这可能是 Mapping 最常用的功能了，所以我们先来看看 Elasticsearch 都支持哪些数据类型。



• 简单类型：text、keyword、date、long、double、boolean、ip

• 复杂类型：对象类型、嵌套类型

• 特殊类型：用于描述地理位置的 geopoint、geoshape



Elasticsearch 支持的数据类型远不止这些，由于篇幅原因，这里就不一一列举了。我找几个工作中常见的来介绍一下。



首先就是字符串了，Elasticsearch 中的字符串有 text 和 keyword 两种。其中 text 类型的字符串是可以被全文检索的，它会被分词器作用，



PUT my_index
{
  "mappings": {
    "properties": {
      "full_name": {
        "type":  "text"
      }
    }
  }
}



在设置字段类型为 text 时，还可以利用一些参数对这个字段进行更进一步的定制。



index：标记这个字段是否能被搜索，默认是 true



search_analyzer：被搜索时所使用的分词器，默认使用 setting 中设置的分词器



fielddata：字段是否允许在内存中进行排序、聚合，默认是 false



meta：关于字段的一些元数据



像一些id、邮箱、域名这样的字段，我们就需要使用 keyword 类型了。因为 keyword 类型可以支持排序、聚合，并且只能支持精确查询。



有些同学可能会把 ID 设置为数字类型，这也是没问题的，数字类型和 keyword 各有各的好处，使用数字类型可以进行范围查找，而使用 keyword 类型则有更高的查询效率。具体用哪种还要看使用场景。



日期类型在 Elasticsearch 中有三种表现形式



1. 可以格式化成日期类型的字符串，如"2020-07-26"和"2015/01/01 12:10:30"这样的

2. 毫秒级时间戳用 long 类型表示

3. 秒级时间戳用 integer 类型表示



在 Elasticsearch 内部，日期类型是以 long 类型的毫秒级时间戳存储的，时区使用的是0时区。



我们可以自定义时间格式，默认使用的是strict_date_optional_time||epoch_millis



strict_date_optional_time_nanos是通用的日期格式解析，至少要包含年份，如果要包含时间，则用T分隔，例如yyyy-MM-dd'T'HH:mm:ss.SSSSSSZ或 yyyy-MM-dd。



如果想要同时支持多种日期格式，可以使用format字段



PUT my_index
{
  "mappings": {
    "properties": {
      "date": {
        "type":   "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
      }
    }
  }
}



Mapping参数



刚才我们提到配置 Mapping 的日期格式的参数format，Mapping 还提供了很多其他的参数。



• analyzer

• boost

• coerce

• copy_to

• doc_values

• dynamic

• eagerglobalordinals

• enabled

• fielddata

• fields

• format

• ignore_above

• ignore_malformed

• index_options

• index_phrases

• index_prefixes

• index

• meta

• normalizer

• norms

• null_value

• positionincrementgap

• properties

• search_analyzer

• similarity

• store

• term_vector



我们来介绍几个常用的字段。



fields



首先是fields，它可以使同一个字段通过不同的方式实现不同的目的。



例如，我们可以对一个字符串字段设置为text类型，用于全文检索，同时可以利用fields设置为keyword类型，用于排序和聚合。



PUT my-index-000001
{
  "mappings": {
    "properties": {
      "city": {
        "type": "text",
        "fields": {
          "raw": {
            "type":  "keyword"
          }
        }
      }
    }
  }
}



查询时我们就可以使用city进行全文检索，使用city.raw进行排序和聚合。



GET my-index-000001/_search
{
  "query": {
    "match": {
      "city": "york" 
    }
  },
  "sort": {
    "city.raw": "asc" 
  },
  "aggs": {
    "Cities": {
      "terms": {
        "field": "city.raw" 
      }
    }
  }
}



enabled



有些时候，我们只想把某个字段作为数据存储来使用，并不需要用来做搜索，这时，我们就可以将这个字段禁用掉，字段被禁用以后，它所保存的值也不受 mapping 指定的类型控制。



PUT my-index-000001
{
  "mappings": {
    "properties": {
      "user_id": {
        "type":  "keyword"
      },
      "last_updated": {
        "type": "date"
      },
      "session_data": { 
        "type": "object",
        "enabled": false
      }
    }
  }
}



上面的例子中，我们禁用掉了 session_data 这个字段，这时，你既可以往 session_data 字段中存储 JSON 格式的数据，也可以存储非 JSON 格式的数据。



除了针对于单个字段的禁用以外，我们还可以直接禁用掉整个 mapping。我们来重新创建一个index



PUT my-index-000002
{
  "mappings": {
    "enabled": false 
  }
}



这时，文档所有的字段都不会被索引，只是用来存储。



需要注意的是，无论是具体字段中还是整个 mapping 的 enabled 属性都不可以被修改，因为一旦设置为 false，Elasticsearch 就不会对字段进行索引了，也不会校验数据的合法性，如果产生了脏数据以后再设置为 true，就会造成程序错误。



null_value



null 在 Elasticsearch 中是不可以被索引或搜索的，这里我们所说的 null 并不是狭义上某种语言的 null，而是所有的空值。例如所有值都是 null 的数组，总之，这里的定义就是没有值。



对于有需要搜索空值的业务怎么办呢？Elasticsearch 为我们提供了 null_value 这个参数，它可以指定一个值，搜索时使用这个值来替代空值。



举个栗子



PUT my-index-000001
{
  "mappings": {
    "properties": {
      "status_code": {
        "type":       "keyword",
        "null_value": "NULL" 
      }
    }
  }
}



我们给 status_code 字段设置了 null_value 为 "NULL"。这里需要注意， null_value 的类型必须与要查找的数据类型相同，如果在这个例子中 status_code 的类型是long，那么就不能把null_value 设置为 "NULL"。



dynamic



对于新增加的字段：



• dynamic 设置为 true 时，一旦有新增字段的文档写入，Mapping 也会被更新

• dynamic 设置为 false 时，Mapping 不会被更新，新增字段无法被索引，但信息会出现在 _source 中

• dynamic 设置为 strict 时，文档写入失败



对于已有的字段，一旦已经有数据写入，就不再支持修改字段定义



Dynamic Mapping



我们在创建索引时，可以不用手动写 Mappings， Elasticsearch 会帮我们自动识别出字段的类型。我们称之为 Dynamic Mapping。不过有时推算的可能不是很准确。



Elasticsearch 自动识别类型是基于 JSON 的。数据类型的对应关系如下（表格来自 elastic 官网）





Elasticsearch 支持的字段映射的数据类型在这个文档中，除了这些，其他的类型映射都需要显示的指定了。



关于日期类型，默认是可以映射的，但是 Elasticsearch 只能识别几种格式的日期yyyy/MM/dd HH:mm:ss||yyyy/MM/dd||epoch_millis。如果关掉了 date_detection 开关，那么就只能识别为字符串了。



PUT my-index-000001
{
  "mappings": {
    "date_detection": false
  }
}



当然，你也可以根据需要自己指定要识别的日期格式，只需要使用 dynamic_date_formats 参数即可。



PUT my-index-000001
{
  "mappings": {
    "dynamic_date_formats": ["MM/dd/yyyy"]
  }
}



Elasticsearch 还提供了一种把字符串型的数字识别为数字的能力，它是由 numeric_detection 开关控制的。



PUT my-index-000005
{
  "mappings": {
    "numeric_detection": true
  }
}
PUT my-index-000005/_doc/1
{
  "my_float":   "1.0", 
  "my_integer": "1" 
}



在这个例子中，my_float 会被识别为 float 类型，而 my_integer 会被识别为 long 类型。



Dynamic template



dynamic template 允许我们自定义 mapping ，并应用到具体索引上。dynamic template 的定义一般是这样的



  "dynamic_templates": [
    {
      "my_template_name": { 
        ...  match conditions ... 
        "mapping": { ... } 
      }
    },
    ...
  ]



my_template_name 可以是任意字符串。



match conditions 包括match_mapping_type, match, match_pattern, unmatch, path_match, path_unmatch 这几种。



mapping 就是指匹配到的字段应该使用怎样的 mapping。下面我们介绍几种 match conditions



matchmappingtype



我们先来看一个简单的例子



PUT my-index-000001
{
  "mappings": {
    "dynamic_templates": [
      {
        "integers": {
          "match_mapping_type": "long",
          "mapping": {
            "type": "integer"
          }
        }
      },
      {
        "strings": {
          "match_mapping_type": "string",
          "mapping": {
            "type": "text",
            "fields": {
              "raw": {
                "type":  "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    ]
  }
}



这里我们有两个模版，其一是使用 integer 类型来代替 long 类型，其二是将字符串类型映射为 keyword。



match 和 unmatch



这两个比较简单，match 是指匹配到模式的字段， unmatch 是表示不匹配的字段。



PUT my-index-000001
{
  "mappings": {
    "dynamic_templates": [
      {
        "longs_as_strings": {
          "match_mapping_type": "string",
          "match":   "long_*",
          "unmatch": "*_text",
          "mapping": {
            "type": "long"
          }
        }
      }
    ]
  }
}



在这个例子中，我们需要的是 long_ 开头的字符串，不需要 _text结尾的字符串字段。



除了以上三种之外，其他的就是 match_pattern 用来进行正则匹配，path_match 和 path_unmatch 则是表示字段所在路径的是否匹配。



另外 dynamic template 还支持两种变量替换，分别是 {name} 和 {dynamic_type}。其实 name 就是字段名，dynamic_type 就是检测出的字段类型。



总结



关于 Elasticsearch 的 mapping 我们就先聊这些，我认为 mapping 的配置是一个需要经验的事情，当你处理的 case 越来越多之后，就能比较轻松的知道如何更好的配置 mapping 了。此外，mapping 的许多字段和参数文中都没有涉及，对于我而言，大部分都是用到了现查文档，不过也还是建议大家看一看文档，起码遇到问题时能知道大概查找文档的一个方向。这样就会比身边人强不少。