elasticsearch5.x數據類型與映射的介紹
這篇文章主要介紹“elasticsearch 5.x數據類型與映射的介紹”，在日常操作中，相信很多人在elasticsearch 5.x數據類型與映射的介紹問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”elasticsearch 5.x數據類型與映射的介紹”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
成都創新互聯專注于成都網站制作、成都做網站、網頁設計、網站制作、網站開發。公司秉持“客戶至上,用心服務”的宗旨,從客戶的利益和觀點出發,讓客戶在網絡營銷中找到自己的駐足之地。尊重和關懷每一位客戶，用嚴謹的態度對待客戶，用專業的服務創造價值，成為客戶值得信賴的朋友，為客戶解除后顧之憂。
在前面的文章中，我們創建了索引為bank的文檔結構，但是，在創建1000個文檔的時候，并沒有指出他們每個屬性的數據類型。在沒有數據類型映射定義的情況下創建文檔，這在ES中是允許的，因為ES會幫我們自動映射數據類型。但是，在我們的項目中，必須要先定義文檔的數據類型，再操作文檔，因為我們需要根據業務的需要，指定數據的屬性，例如，是否需要全文索引，是否需要分詞，分詞器是什么。
下面我們看下索引bank自動創建文檔數據類型映射成什么？
{
"bank": {
"mappings": {
"account": {
"properties": {
"account_number": {
"type": "long"
},
"address": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"age": {
"type": "long"
},
"balance": {
"type": "long"
},
"city": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"email": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"employer": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"firstname": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"gender": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"lastname": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"state": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
}
}上面通過type指定了數據的類型。接下來，我們將開始認識這些數據類型
一、數據類型
字段類型概述
| 一級分類 | 二級分類 | 具體類型 |
|---|---|---|
| 核心類型 | 字符串類型 | text,keyword |
| 整數類型 | integer,long,short,byte | |
| 浮點類型 | double,float,half_float,scaled_float | |
| 邏輯類型 | boolean | |
| 日期類型 | date | |
| 范圍類型 | range | |
| 二進制類型 | binary | |
| 復合類型 | 數組類型 | array |
| 對象類型 | object | |
| 嵌套類型 | nested | |
| 地理類型 | 地理坐標類型 | geo_point |
| 地理地圖 | geo_shape | |
| 特殊類型 | IP類型 | ip |
| 范圍類型 | completion | |
| 令牌計數類型 | token_count | |
| 附件類型 | attachment | |
| 抽取類型 | percolator |
1、字符串類型
text 類型：當一個字段是要被全文搜索的，比如Email內容、產品描述，應該使用text類型。設置text類型以后，字段內容會被分析，在生成倒排索引以前，字符串會被分析器分成一個一個詞項。text類型的字段不用于排序，很少用于聚合。
keyword：keyword類型適用于索引結構化的字段，比如email地址、主機名、狀態碼和標簽。如果字段需要進行過濾(比如查找已發布博客中status屬性為published的文章)、排序、聚合。keyword類型的字段只能通過精確值搜索到。
2、整數類型
| 類型 | 取值范圍 |
|---|---|
| byte | -128~127 |
| short | -32768~32767 |
| integer | -231~231-1 |
| short | -263~263-1 |
在滿足需求的情況下，盡可能選擇范圍小的數據類型。比如，某個字段的取值最大值不會超過100，那么選擇byte類型即可。迄今為止吉尼斯記錄的人類的年齡的最大值為134歲，對于年齡字段，short足矣。字段的長度越短，索引和搜索的效率越高。
3、浮點類型
| 類型 | 取值范圍 |
|---|---|
| doule | 64位雙精度IEEE 754浮點類型 |
| float | 32位單精度IEEE 754浮點類型 |
| half_float | 16位半精度IEEE 754浮點類型 |
| scaled_float | 縮放類型的的浮點數 |
對于float、half_float和scaled_float,-0.0和+0.0是不同的值，使用term查詢查找-0.0不會匹配+0.0，同樣range查詢中上邊界是-0.0不會匹配+0.0，下邊界是+0.0不會匹配-0.0。
其中scaled_float，比如價格只需要精確到分，price為57.34的字段縮放因子為100，存起來就是5734
優先考慮使用帶縮放因子的scaled_float浮點類型。
4、date類型
日期類型表示格式可以是以下幾種：
（1）日期格式的字符串，比如 “2018-01-13” 或 “2018-01-13 12:10:30”
（2）long類型的毫秒數( milliseconds-since-the-epoch，epoch就是指UNIX誕生的UTC時間1970年1月1日0時0分0秒)
（3）integer的秒數(seconds-since-the-epoch)
5、boolean類型 true和false
6、 binary類型
進制字段是指用base64來表示索引中存儲的二進制數據，可用來存儲二進制形式的數據，例如圖像。默認情況下，該類型的字段只存儲不索引。二進制類型只支持index_name屬性。
7、array類型
（1）字符數組: [ “one”, “two” ]
（2）整數數組: productid:[ 1, 2 ]
（3）對象（文檔）數組: “user”:[ { “name”: “Mary”, “age”: 12 }, { “name”: “John”, “age”: 10 }]，
注意：lasticSearch不支持元素為多個數據類型：[ 10, “some string” ]
8、 object類型
JSON對象，文檔會包含嵌套的對象
9、ip類型
p類型的字段用于存儲IPv4或者IPv6的地址
二、Mapping 支持屬性
下面解釋下一些重要的映射屬性
index
設置此字段能不能被查詢，就是決定要不要將這個字段放進倒排索引裡
若index設置為true(默認是true)，則表示這個這個字段會被放進倒排索引裡，如果是text就是分詞過后放進索引，如果是keyword、integer...就直接整段放進索引裡
若index設置為false，則表示這個字段不放進倒排索引裡，因此不能查詢這個字段(因為他不存在于倒排索引裡)
通常這種被設成false的字段，可以想像成是屬于一種附屬的字段，就是不能被match、term查詢，但是當該文檔被其他搜索條件搜出來時，他可以附帶的一起被找出來，因為他們同屬于同一個文檔。
舉個例子，定義user索引的映射
PUT /user
{
"mappings": {
"doc": {
"properties": {
"name": {
"type": "keyword",
"index": false
},
"uid": {
"type": "integer"
},
"nickname": {
"type": "text",
"analyzer": "standard"
}
}
}
}
}當搜索uid時，name會一起被找出來
/user/_search
{
"query": {
"term": {
"uid": 1
}
}
}如果搜索name屬性，將會報錯
GET /user/_search
{
"query": {
"term": {
"name": "hugo"
}
}
}出錯信息如下
"caused_by": {
"type": "illegal_argument_exception",
"reason": "Cannot search on field [name] since it is not indexed."
}analyzer
主要用在text類型的字段上，就是設定要使用哪種分詞器來建立索引
可以使用內建的分詞器，或是使用自定義的分詞器
可以使用/_analyze測試分析器具體會將句子分詞成什么樣子，它能幫助我們理解Elasticsearch索引內部發生了什么
GET 127.0.0.1:9200/_analyze
{
"analyzer": "standard",
"text": "Text to analyze"
}boost
官方建議：index time boost is deprecated. Instead, the field mapping boost is applied at query time.
也就是說，官方推薦在查詢時指定boost。
我們可以通過指定一個boost值來控制每個查詢子句的相對權重，該值默認為1。一個大于1的boost會增加該查詢子句的相對權重。boost參數被用來增加一個子句的相對權重(當boost大于1時)，或者減小相對權重(當boost介于0到1時)，但是增加或者減小不是線性的。換言之，boost設為2并不會讓最終的_score加倍。
POST /bank/_search?pretty
{
"query": {
"match" : {
"address": {
"query": "mill",
"boost": 2
}
}
}
}查詢結果
{
"took": 1,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 4,
"max_score": 8.620199,
"hits": [
{
"_index": "bank",
"_type": "account",
"_id": "472",
"_score": 8.620199,
"_source": {
"account_number": 472,
"balance": 25571,
"firstname": "Lee",
"lastname": "Long",
"age": 32,
"gender": "F",
"address": "288 Mill Street",
"employer": "Comverges",
"email": "leelong@comverges.com",
"city": "Movico",
"state": "MT"
}
},
{
"_index": "bank",
"_type": "account",
"_id": "136",
"_score": 8.532413,
"_source": {
"account_number": 136,
"balance": 45801,
"firstname": "Winnie",
"lastname": "Holland",
"age": 38,
"gender": "M",
"address": "198 Mill Lane",
"employer": "Neteria",
"email": "winnieholland@neteria.com",
"city": "Urie",
"state": "IL"
}
},
{
"_index": "bank",
"_type": "account",
"_id": "970",
"_score": 7.723722,
"_source": {
"account_number": 970,
"balance": 19648,
"firstname": "Forbes",
"lastname": "Wallace",
"age": 28,
"gender": "M",
"address": "990 Mill Road",
"employer": "Pheast",
"email": "forbeswallace@pheast.com",
"city": "Lopezo",
"state": "AK"
}
},
{
"_index": "bank",
"_type": "account",
"_id": "345",
"_score": 7.723722,
"_source": {
"account_number": 345,
"balance": 9812,
"firstname": "Parker",
"lastname": "Hines",
"age": 38,
"gender": "M",
"address": "715 Mill Avenue",
"employer": "Baluba",
"email": "parkerhines@baluba.com",
"city": "Blackgum",
"state": "KY"
}
}
]
}
}三、更新映射
當首次創建一個索引的時候，可以指定類型的映射，但假設后來想要增加一個新的映射字段，可以使用/_mapping把新的字段加進mapping映射裡
可以增加一個新的映射，但是不能修改存在的映射，原因是因為這個映射可能有文檔去用，如果改了映射的類型，可能會導致索引的數據出錯，因此只能新加字段進去，不能修改
具體實例
在user映射中的doc類型增加一個新的名為tag的keyword
PUT /user/_mapping/doc
{
"properties": {
"tag": {
"type": "keyword",
}
}
}到此，關于“elasticsearch 5.x數據類型與映射的介紹”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注創新互聯網站，小編會繼續努力為大家帶來更多實用的文章！
分享標題：elasticsearch5.x數據類型與映射的介紹
轉載來于：http://m.newbst.com/article24/pjsoce.html
成都網站建設公司_創新互聯，為您提供全網營銷推廣、微信小程序、網站改版、品牌網站建設、標簽優化、網站建設
聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯
- 新手seo不知道的優化秘訣：tag標簽優化 2020-08-25
- 搜索引擎推廣中如何巧用標簽優化網站？ 2022-09-28
- 網絡營銷推廣中H標簽優化技巧 2023-04-29
- 網站標簽優化-如何優化常用標簽提升排名？ 2016-11-11
- 如何利用索引標簽優化實現扁平網站結構？ 2016-12-08
- SEO站內優化之Head標簽優化 2021-12-26
- 現網站建設分析網站Tag標簽優化幾點如下： 2022-06-04
- 不可忽視的圖片ALT標簽優化 2017-02-27
- 網站優化中細節：注意h1、h2、h3、strong標簽優化 2021-07-26
- 做好TAG標簽優化,讓更多長尾關鍵詞獲取排名! 2016-11-07
- 網站的優化-網站代碼標簽優化有哪些技巧 2014-10-11
- 深圳做網站其他標簽優化 2022-06-06