ElasticSearch Mapping映射

1. 概述

为了能够把日期字段处理成日期,把数字字段处理成数字,把字符串字段处理成全文本(Full-text)或精确(Exact-value)的字符串值,Elasticsearch需要知道每个字段里面都包含什么数据类型。这些类型和字段的信息都存储在映射(mapping)中。

索引中的每个文档都有一个 Type。每个 Type 拥有自己的 Mapping 或者模式定义。Mapping 在 Type 中定义字段,每个字段的数据类型,以及字段被Elasticsearch处理的方式。Mapping 还可用于设置关联到 Type 上的元数据。

例如下面的Mapping:

"mppings":{
"football-type": {
"properties": {
"country": {
"index": "not_analyzed",
"store": true,
"type": "string"
},
"club": {
"store": true,
"type": "string"
},
"name": {
"store": true,
"type": "string"
}
}
}
}

2. 核心字段类型

Elasticsearch支持以下简单字段类型:

类型 数据类型
String string
Whole number byte short integer long
Floating point float double
Boolean boolean
Date date

当你索引一个包含新字段的文档(之前没有这个字段),Elasticsearch将根据JSON中的基本数据类型使用动态映射猜测字段的类型,基于使用以下规则:

JsonType FieldType
Boolean: true 或者 false “boolean”
Whole number: 123 “long”
Floating point:123.45 “double”
String, valid date: “2017-05-04” “date”
String: “foo bar” “string”

这意味着,如果你索引一个带引号的数字,例如,"123",会被映射为 string 类型,而不是 long 类型。然而,如果字段已经被映射为 long 类型,Elasticsearch尝试将字符串转换为 long 类型,如果强制转换失败则会抛出异常。

举例,索引下面信息(之前没有mapping):

Map<String, Object> map = Maps.newHashMap();
map.put("name", "C罗");
map.put("sex", true);
map.put("age", 31);
map.put("birthday", "1985-02-05");
map.put("club", "皇家马德里俱乐部");

产生的mapping结果:

{
"properties": {
"birthday": {
"format": "strict_date_optional_time||epoch_millis",
"type": "date"
},
"sex": {
"type": "boolean"
},
"club": {
"type": "string"
},
"name": {
"type": "string"
},
"age": {
"type": "long"
}
}
}

3. 查看映射

我们可以使用mapping API来查看Elasticsearch中的映射:

IndicesAdminClient indicesAdminClient = client.admin().indices();
GetMappingsRequestBuilder getMappingsRequestBuilder = indicesAdminClient.prepareGetMappings(index);
GetMappingsResponse response = getMappingsRequestBuilder.get();
// 结果
for(ObjectCursor<String> key : response.getMappings().keys()){
ImmutableOpenMap<String, MappingMetaData> mapping = response.getMappings().get(key.value);
for(ObjectCursor<String> key2 : mapping.keys()){
try {
logger.info("------------- {}", mapping.get(key2.value).sourceAsMap().toString());
} catch (IOException e) {
e.printStackTrace();
}
}
}

输出结果:

14:45:26.453 [main] INFO  com.sjf.open.api.indexAPI.IndexAPI - ------------- {properties={age={type=long}, birthday={type=date, format=strict_date_optional_time||epoch_millis}, club={type=string}, name={type=string}, sex={type=boolean}}}

4. 自定义字段映射

虽然大多数情况下基本数据类型已经能够满足,但你也会经常自定义单个字段的映射,特别是字符串类型字段。自定义类型可以使你完成一下几点:

  • 区分全文(full text)字符串字段和准确字符串字段。比如字符串”北京”,全文字符串字段默认情况下会分成”北”和“京”两个词,但大多数情况下我们需要的是一个城市名称,不需要分词,所以它应该是一个确切的字符串字段,应该设置index属性为”not_analyzed”。
  • 使用特定语言的分析器(不同国家语言断词方式不一样,不同国家的人可能会使用不同的设置)
  • 优化部分匹配字段
  • 指定自定义日期格式

4.1 type

Mapping 中最重要的字段参数是type。对于不是 string 类型的字段,你可能很少需要映射除type之外的其他映射:

{
"number_of_clicks": {
"type": "integer"
}
}

string 类型的字段,默认的,考虑到包含全文本,它们的值在索引前要经过分析器分析,并且在此字段上进行全文搜索前要把查询字符串经过分析器的处理。

4.2 index

对于 string 类型字段,其中最重要的一个映射参数是index,另一个是analyzer,下面会讲解到。

index参数控制字符串以何种方式被索引。它包含三种方式:

说明
analyzed 首先分析这个字符串,然后索引。换言之,以全文形式索引此字段。
not_analyzed 索引这个字段,使之可以被索引,但是索引内容和指定值一样。不分析此字段。
no 不索引这个字段。这个字段不能被搜索到。

对于 string 类型字段,index默认值为 analyzed。如果我们想把字段映射为确切值,我们需要设置为 not_analyzed

{
"tag": {
"type": "string",
"index": "not_analyzed"
}
}

其他简单类型(long、double、date等等)也接受index参数,但相应的值只能是no和not_analyzed,它们的值不能是analyzed。

4.3 analyzer

对于index为 analyzed 的字符串字段,使用 analyzer 参数来指定在搜索和索引的时候使用哪一种分析器。Elasticsearch默认使用 standard 分析器,但是你可以通过指定一个内建的分析器来更改它,例如可以指定 whitespacesimpleenglish 等分析器。

{
"tweet": {
"type": "string",
"analyzer": "english"
}
}

5. 更新映射

你可以在第一次创建索引的时候为 Type 指定 Mapping。此外,之后你可以为一个新 Type 添加 Mapping(或者为已有的 Type 更新 Mapping)。

你可以向已经存在的 Mapping 中增加字段,但是你不能修改已经存在的字段 Mapping。如果一个字段的映射已经存在,这可能意味着那个字段的数据已经被索引。如果你改变了字段映射,那已经被索引的数据可能会出现错误,不能被正确的搜索到。

我们可以更新一个 Mapping 来增加一个新字段,但是不能把已有字段的index属性从 analyzed 改到 not_analyzed

在使用下面代码设置映射时,首先创建一个空的索引:

// mapping
XContentBuilder mappingBuilder;
try {
mappingBuilder = XContentFactory.jsonBuilder()
.startObject()
.startObject(type)
.startObject("properties")
.startObject("name").field("type", "string").field("store", "yes").endObject()
.startObject("sex").field("type", "string").field("store", "yes").endObject()
.startObject("college").field("type", "string").field("store", "yes").endObject()
.startObject("age").field("type", "long").field("store", "yes").endObject()
.startObject("school").field("type", "string").field("store", "yes").field("index", "not_analyzed").endObject()
.endObject()
.endObject()
.endObject();
} catch (Exception e) {
logger.error("--------- putIndexMapping 创建 mapping 失败:", e);
return false;
}
IndicesAdminClient indicesAdminClient = client.admin().indices();
PutMappingRequestBuilder putMappingRequestBuilder = indicesAdminClient.preparePutMapping(index);
putMappingRequestBuilder.setType(type);
putMappingRequestBuilder.setSource(mappingBuilder);
// 结果
PutMappingResponse response = putMappingRequestBuilder.get();

产生结果:

"mappings":{
"test-type": {
"properties": {
"college": {
"store": true,
"type": "string"
},
"school": {
"index": "not_analyzed",
"store": true,
"type": "string"
},
"sex": {
"store": true,
"type": "string"
},
"name": {
"store": true,
"type": "string"
},
"age": {
"store": true,
"type": "long"
}
}
}
}

下面我们再添加一个分析器为english的字段到上面映射中,我们新的字段会合并到上面已经存在的映射中。

// mapping
XContentBuilder mappingBuilder;
try {
mappingBuilder = XContentFactory.jsonBuilder()
.startObject()
.startObject(type)
.startObject("properties")
.startObject("club").field("type", "string").field("index", "analyzed").field("analyzer", "english").endObject()
.endObject()
.endObject()
.endObject();
} catch (Exception e) {
logger.error("--------- putIndexMapping 创建 mapping 失败:", e);
return false;
}
```
产生结果:
```json
"mappings":{
"test-type": {
"properties": {
"college": {
"store": true,
"type": "string"
},
"school": {
"index": "not_analyzed",
"store": true,
"type": "string"
},
"sex": {
"store": true,
"type": "string"
},
"club": {
"analyzer": "english",
"type": "string"
},
"name": {
"store": true,
"type": "string"
},
"age": {
"store": true,
"type": "long"
}
}
}
}

Elasticsearch版本: 5.4

参考:https://www.elastic.co/guide/en/elasticsearch/guide/2.x/mapping-intro.html

赏几毛白!