溫馨提示×
您好，登錄后才能下訂單哦！
點(diǎn)擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“elasticsearch 5.x數(shù)據(jù)類型與映射的介紹”，在日常操作中，相信很多人在elasticsearch 5.x數(shù)據(jù)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(shù)據(jù)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(xué)習(xí)吧！
在前面的文章中，我們創(chuàng)建了索引為bank的文檔結(jié)構(gòu)，但是，在創(chuàng)建1000個文檔的時候，并沒有指出他們每個屬性的數(shù)據(jù)類型。在沒有數(shù)據(jù)類型映射定義的情況下創(chuàng)建文檔，這在ES中是允許的，因?yàn)镋S會幫我們自動映射數(shù)據(jù)類型。但是，在我們的項(xiàng)目中，必須要先定義文檔的數(shù)據(jù)類型，再操作文檔，因?yàn)槲覀冃枰鶕?jù)業(yè)務(wù)的需要，指定數(shù)據(jù)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(chuàng)建文檔數(shù)據(jù)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(shù)據(jù)的類型。接下來，我們將開始認(rèn)識這些數(shù)據(jù)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(shù)類型 | integer,long,short,byte | |
| 浮點(diǎn)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(jìn)制類型 | binary | |
| 復(fù)合類型 | 數(shù)組類型 | array |
| 對象類型 | object | |
| 嵌套類型 | nested | |
| 地理類型 | 地理坐標(biāo)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(jì)數(shù)類型 | token_count | |
| 附件類型 | attachment | |
| 抽取類型 | percolator |
text 類型：當(dāng)一個字段是要被全文搜索的，比如Email內(nèi)容、產(chǎn)品描述，應(yīng)該使用text類型。設(shè)置text類型以后，字段內(nèi)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(xiàng)。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(jié)構(gòu)化的字段，比如email地址、主機(jī)名、狀態(tài)碼和標(biāo)簽。如果字段需要進(jìn)行過濾(比如查找已發(fā)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。
| 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(shù)據(jù)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。
| 類型 | 取值范圍 |
|---|---|
| doule | 64位雙精度IEEE 754浮點(diǎn)類型 |
| float | 32位單精度IEEE 754浮點(diǎn)類型 |
| half_float | 16位半精度IEEE 754浮點(diǎn)類型 |
| scaled_float | 縮放類型的的浮點(diǎn)數(shù) |
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(yōu)先考慮使用帶縮放因子的scaled_float浮點(diǎn)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(shù)( 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(shù)(seconds-since-the-epoch)
進(jìn)制字段是指用base64來表示索引中存儲的二進(jìn)制數(shù)據(jù)，可用來存儲二進(jìn)制形式的數(shù)據(jù)，例如圖像。默認(rèn)情況下，該類型的字段只存儲不索引。二進(jìn)制類型只支持index_name屬性。
（1）字符數(shù)組: [ “one”, “two” ]
（2）整數(shù)數(shù)組: productid:[ 1, 2 ]
（3）對象（文檔）數(shù)組: “user”:[ { “name”: “Mary”, “age”: 12 }, { “name”: “John”, “age”: 10 }]，
注意：lasticSearch不支持元素為多個數(shù)據(jù)類型：[ 10, “some string” ]
JSON對象，文檔會包含嵌套的對象
p類型的字段用于存儲IPv4或者IPv6的地址
下面解釋下一些重要的映射屬性
設(shè)置此字段能不能被查詢，就是決定要不要將這個字段放進(jìn)倒排索引裡
若index設(shè)置為true(默認(rèn)是true)，則表示這個這個字段會被放進(jìn)倒排索引裡，如果是text就是分詞過后放進(jìn)索引，如果是keyword、integer...就直接整段放進(jìn)索引裡
若index設(shè)置為false，則表示這個字段不放進(jìn)倒排索引裡，因此不能查詢這個字段(因?yàn)樗淮嬖谟诘古潘饕e)
通常這種被設(shè)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(dāng)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?yàn)樗麄兺瑢儆谕粋€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(dāng)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."
}主要用在text類型的字段上，就是設(shè)定要使用哪種分詞器來建立索引
可以使用內(nèi)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(nèi)部發(fā)生了什么
GET 127.0.0.1:9200/_analyze
{
"analyzer": "standard",
"text": "Text to analyze"
}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(quán)重，該值默認(rèn)為1。一個大于1的boost會增加該查詢子句的相對權(quán)重。boost參數(shù)被用來增加一個子句的相對權(quán)重(當(dāng)boost大于1時)，或者減小相對權(quán)重(當(dāng)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(shè)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(jié)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"
}
}
]
}
}當(dāng)首次創(chuàng)建一個索引的時候，可以指定類型的映射，但假設(shè)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(jìn)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?yàn)檫@個映射可能有文檔去用，如果改了映射的類型，可能會導(dǎo)致索引的數(shù)據(jù)出錯，因此只能新加字段進(jìn)去，不能修改
具體實(shí)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(guān)于“elasticsearch 5.x數(shù)據(jù)類型與映射的介紹”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機(jī)網(wǎng)站二維碼