elasticsearch篇之mapping

2018年05月17日 18:01:37 lyzkks 阅读数：444更多

什么是mapping

mapping是类似于数据库中的表结构定义，主要作用如下：

定义index下的字段名
定义字段类型，比如数值型、浮点型、布尔型等
定义倒排索引相关的设置，比如是否索引、记录position等

查看mapping

GET /[index_name]/_mapping

1

这里写图片描述

其中 keyword表示部分次的字符串类型

自定义mapping

api

这里写图片描述

说明

mapping中的字段类型一旦设置，禁止直接修改，因为 lucene实现的倒排索引生成后不允许修改，应该重新建立新的索引，然后做reindex操作。

但是可以新增字段，通过 dynamic 参数来控制字段的新增，这个参数的值如下：

true：默认值，表示允许选自动新增字段
false：不允许自动新增字段，但是文档可以正常写入，但无法对字段进行查询等操作
strict：严格模式，文档不能写入，报错

示例

首先创建名为 my_index的索引并设置mapping：

PUT my_index
{
  "mappings": {
    "doc": {
      "dynamic": false,
      "properties": {
        "title": {
          "type": "text"
        },
        "name": {
          "type": "keyword"
        },
        "age": {
          "type": "integer"
        }
      }
    }
  }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

其中包含了 title、name、age三个字段

查询索引的mapping设置：

GET my_index/_mapping

1

这里写图片描述

然后写入一个文档：

PUT my_index/doc/1
{
  "title": "hello world",
  "desc": "this is book"
}

1
2
3
4
5

这里写图片描述

注意，这里在mapping设置中，”dynamic”: false，表示在写入文档时，如果写入字段不存在也不会报错。这里的desc字段就是不存在的字段。

查询一下写入的文档：

GET my_index/doc/_search
{
  "query": {
    "match": {
      "title": "hello"
    }
  }
}

1
2
3
4
5
6
7
8

这里写图片描述

可以通过 title字段查询到文档的内容

如果说想通过desc字段查询文档内容呢？当然是查不到的：

GET my_index/doc/_search
{
  "query": {
    "match": {
      "desc": "book"
    }
  }
}

1
2
3
4
5
6
7
8

这里写图片描述

可以验证一下”dynamic”: strict模式：
首先删除索引：

DELETE my_index

1

然后修改索引mapping设置：

PUT my_index
{
  "mappings": {
    "doc": {
      "dynamic": "strict",
      "properties": {
        "title": {
          "type": "text"
        },
        "name": {
          "type": "keyword"
        },
        "age": {
          "type": "integer"
        }
      }
    }
  }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

在重新创建文档：

PUT my_index/doc/1
{
  "title": "hello world",
  "desc": "this is book"
}

1
2
3
4
5

这里写图片描述

在strict 模式下插入不存在的字段将会出现报错

copy_to参数说明

作用是将该字段的值复制到目标字段，实现类似_all的作用。不会出现在_source中，只能用来搜索。

PUT my_index4
{
  "mappings": {
    "doc": {
      "properties": {
        "first_name": {
          "type": "text"
          , "copy_to": "full_name"
        },
        "last_name": {
          "type": "text"
          , "copy_to": "full_name"
        },
        "full_name" : {
          "type": "text"
        }
      }
    }
  }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

可以看到这个index中，full_name的内容就是从 first_name 和 last_name 中复制过来的。

然后创建一个新的文档，文档只需要写first_name 和 last_name即可：

PUT my_index4/doc/1
{
  "first_name": "john",
  "last_name": "smith"
}

1
2
3
4
5

最后查询一下文档的内容：

GET my_index4/_search
{
  "query": {
    "match": {
      "full_name": {
        "query": "john smith",
        "operator": "and"
      }
    }
  }
}

1
2
3
4
5
6
7
8
9
10
11

这个查询语句意思是：查询包含关键字john smith的文档，必须同时包含两个关键字才返回。

这里写图片描述

index参数

index参数作用是控制当前字段是否被索引，默认为true，false表示不记录，即不可被搜索。

PUT my_index5
{
  "mappings": {
    "doc": {
      "properties": {
        "cookie": {
          "type": "text",
          "index": false
        },
        "content": {
          "type": "text",
          "index": true
        }
      }
    }
  }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

这个index有两个字段，其中cookie设定为不可被搜索

写入文档：

PUT my_index5/doc/1
{
  "cookie": "name=mike",
  "content": "hello world"
}

1
2
3
4
5

尝试分别查询一下两个字段，看看区别：

GET my_index5/_search
{
  "query": {
    "match": {
      "cookie": "mike"
    }
  }
}

GET my_index5/_search
{
  "query": {
    "match": {
      "content": "hello"
    }
  }

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

这里写图片描述

当在es中存储了一些不想要被检索的字段如身份证、手机等，这是对于这些字段就可以使用index设置为false，这样有一定的安全性还可以节省空间

index_options参数

index_options的作用是用于控制倒排索引记录的内容，有如下四种配置：

docs：只记录doc id
freqs：记录doc id 和term frequencies
positions：记录doc id、 term frequencies和term position
offsets：记录doc id、 term frequencies、term position、character offsets

text类型的默认配置为positions，其他默认为docs。记录的内容越多，占据的空间越大。

这里写图片描述

null_value参数

这个参数的作用是当字段遇到null值的时候的处理策略，默认为null，即空值，此时es会忽略该值。可以通过这个参数设置某个字段的默认值。

这里写图片描述

数据类型

核心数据类型

字符串型：text、keyword（不会分词）
数值型：long、integer、short、byte、double、float、half_float等
日期类型：date
布尔类型：boolean
二进制类型：binary
范围类型：integer_range、float_range、long_range、double_range、date_range

复杂数据类型

数组类型：array
对象类型：object
嵌套类型：nested object
地理位置数据类型：geo_point、geo_shape
专用类型：ip（记录ip地址）、completion（实现自动补全）、token_count（记录分词数）、murmur3（记录字符串hash值）

多字段特性

多字段特性（multi-fields），表示允许对同一字段采用不同的配置，比如分词。

常见例子是对人名实现拼音搜索，只需要在人名中新增一个字段pinyin即可。但是这种方式不是十分优雅，multi-fields可以在不改变整体结构的前提下，增加一个子字段：
这里写图片描述

Dynamic mapping

自动识别规则

在前面说过，在写入文档的时候如果index不存在的话es会自动创建这个索引。但是es是如何确定index字段的类型的呢？

首先es可以自动识别文档字段的类型，这样可以降低用户的使用成本。
这里写图片描述

es是依靠json文档的字段类型来实现自动识别字段类型的：
这里写图片描述

这里写图片描述

日期自动识别

日期的自动识别可以自行配置日期的格式，默认情况下是：

["strict_date_opeional_time", "yyyy/MM/dd HH:mm:ss Z||yyyy/MM/dd Z"]

1

strict_date_opeional_time 是ISO 标准的日期格式，完整的格式如下：

YYYY-MM-DDhh:mm:ssTZD(eg:1997-07-16y19:20:30+01:00)

1

dynamic_date_formats：可以自定义日期类型
date_detection：可以关闭日期自动识别机制（默认开启）

首先创建一个日期自动识别的索引：

PUT test_index
{
  "mappings": {
    "doc": {
      "dynamic_date_formats": ["MM/dd/yyyy"]
    }
  }
}

1
2
3
4
5
6
7
8

然后创建一个文档：

PUT test_index/doc/1
{
  "create_time": "09/21/2016"
}

1
2
3
4

查看：

GET test_index/_mapping

1

这里写图片描述

关闭日期自动识别可以如下：
这里写图片描述

数字自动识别

字符串为数字的时候，默认不会自动识别为整型，因为字符串中出现数字是完全合理的。

numeric_detection 可以开启字符串中数字的自动识别。
这里写图片描述

Dynamic Templates

Dynamic Templates 意为动态模板，它的作用是允许根据es自动识别的数据类型、字段名等来动态设定字段类型。

可以实现的效果如下：

所有字符串类型都设置为keyword类型，即默认不分词
所有以message开头的字段都设置为text类型，即分词
所有以long_开头的字段都设置为long类型
所有自动匹配为double类型的都设定为float类型，以节省空间

API

这里写图片描述

匹配规则参数

match_mapping_type：匹配es自动识别的字段类型，如boolean、long等
match、unmatch：匹配字段名
path_match、path_unmatch：匹配路径

举例

字段类型匹配

首先PUT一个文档，然后查看mapping：

PUT test_index/doc/1
{
  "name": "Tom"
}

GET test_index/_mapping

1
2
3
4
5
6

这里写图片描述

可以看到在默认情况下，字符串被识别成为text类型，并且有一个子字段keyword。

现在设置动态模板，要求匹配到string类型的字段设置为keyword：

PUT test_index
{
  "mappings": {
    "doc": {
      "dynamic_templates": [
        {
          "strings_as_keywords": {
            "match_mapping_type": "string",
            "mapping": {
              "type": "keyword"
            }
          }
        }
      ] 
    }
  }

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

重新创建文档并查看mapping：
这里写图片描述

name字段的类型变成了 keyword类型

字段匹配

现在想将以message开头的字段且为string的匹配称为text类型，其余为keyword：

PUT test_index
{
  "mappings": {
    "doc": {
      "dynamic_templates": [
        {
          "message_as_text": {
            "match_mapping_type": "string",
            "match": "message",
            "mapping": {
              "type": "text"
            }
          }
        },
        {
          "strings_as_keywords": {
            "match_mapping_type": "string",
            "mapping": {
              "type": "keyword"
            }
          }
        }
      ] 
    }
  }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

Dynamic Templates 的匹配顺序是从上到下执行的，匹配到一个后后面的规则就会跳过

然后创建一个文档并查看mapping：

PUT test_index/doc/1
{
  "name": "john",
  "message": "good boy"
}

GET test_index/_mapping

1
2
3
4
5
6
7

这里写图片描述

可以看到message被设置为了text类型，name还是keyword

double设定为float

这里写图片描述

这样可以节省空间

自定义mapping的建议

一般步骤

自定义mapping 的步骤：

写一条文档到es的临时索引中，获取es自动生成的mapping
修改第一步得到的mapping，自定义相关配置
使用第2步的mapping创建市级的索引

实际举例

假设我得到了需要存入es的文档，首先将文档写入临时的index中：

PUT test_index/doc/1
{
  "referre": "-",
  "response_code": "200",
  "remote_ip": "172.0.0.1",
  "method": "POST",
  "username": "-",
  "http_version": "1.1",
  "body_sent": {
    "bytes": "0"
  },
  "url": "/helloworld"
}

1
2
3
4
5
6
7
8
9
10
11
12
13

然后查看es自动生成的mapping：

GET test_index/_mapping

1

现在希望将bytes设置为整型，url设置为text类型，其他都使用keyword（将上一步的输出复制过来就好）：

PUT product_index
{
    "mappings": {
      "doc": {
        "properties": {
          "body_sent": {
            "properties": {
              "bytes": {
                "type": "long"
              }
            }
          },
          "http_version": {
            "type": "keyword"
          },
          "method": {
            "type": "keyword"
          },
          "referre": {
            "type": "keyword"
          },
          "remote_ip": {
            "type": "keyword"
          },
          "response_code": {
            "type": "keyword"
          },
          "url": {
            "type": "text"
          },
          "username": {
            "type": "keyword"
          }
        }
      }
    }
  }

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

这样直接将测试index的mapping复制过来进行修改，不会遗漏字段，修改完成设置一个index的名称就行了。

然后就可以向实际的索引中写入文档了：

PUT product_index/doc/1
{
  "referre": "-",
  "response_code": "200",
  "remote_ip": "172.0.0.1",
  "method": "POST",
  "username": "-",
  "http_version": "1.1",
  "body_sent": {
    "bytes": "0"
  },
  "url": "/helloworld"
}

1
2
3
4
5
6
7
8
9
10
11
12
13

然后查看一下实际索引的mapping：

GET product_index/_mapping

1

这里写图片描述

使用动态模板优化

上边的设置方法很直接，但是当字段比较多的时候显得复杂，可以使用动态模板进行匹配：

DELETE product_index

PUT product_index
{
    "mappings": {
      "doc": {
        "dynamic_templates": [
          {
            "strings": {
              "match_mapping_type": "string",
              "mapping": {
                "type": "keyword"
              }
            }
          }
        ],
        "properties": {
          "body_sent": {
            "properties": {
              "bytes": {
                "type": "long"
              }
            }
          },
          "url": {
            "type": "text"
          },
          "username": {
            "type": "keyword"
          }
        }
      }
    }
  }

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

这里使用动态模板匹配所有字符串都设置为keyword类型，需要单独设置类型的在下面另行指出。

索引模板

什么是索引模板

索引模板，index template，主要用于在新建索引时自动应用预先设置的配置，简化索引创建的步骤。

模板中可以设定索引的配置以及mapping，可以有多个模板，根据order设置，order大的覆盖小的范围。

API

这里写图片描述

模板加载顺序根据 order 从小到大加载，后面的大order的模板的配置将会覆盖小 order配置。

获取与删除的API 如下：
这里写图片描述

举例

这里设置了两个索引模板：

PUT _template/test_template
{
  "index_patterns": ["te*", "bar*"],
  "order": 0,
  "settings": {
    "number_of_shards": 1
  },
  "mappings": {
    "doc": {
      "_source": {
        "enabled": false
      },
      "properties": {
        "name": {
          "type": "keyword"
        }
      }
    }
  }
}

PUT _template/test_template2
{
  "index_patterns": ["test*"],
  "order": 1,
  "settings": {
    "number_of_shards": 1
  },
  "mappings": {
    "doc": {
      "_source": {
        "enabled": true
      }
    }
  }
}