关于elasticsearch:ElasticSearch-23-种映射参数详解

30次阅读

共计 10315 个字符，预计需要花费 26 分钟才能阅读完成。

@[toc]
ElasticSearch 系列教程咱们后面曾经连着发了四篇了，明天第五篇，咱们来聊一聊 Es 中的 23 种常见的映射参数。

针对这 23 种常见的映射参数，松哥专门录制了一个视频教程：

视频链接: https://pan.baidu.com/s/1J23m… 提取码: 6k2a

本文是松哥所录视频教程的一个笔记，笔记简明扼要，残缺内容小伙伴们能够参考视频。

1.ElasticSearch 映射参数

1.1 analyzer

定义文本字段的分词器。默认对索引和查问都是无效的。

假如不必分词器，咱们先来看一下索引的后果，创立一个索引并增加一个文档：

PUT blog

PUT blog/_doc/1
{"title":"定义文本字段的分词器。默认对索引和查问都是无效的。"}

查看词条向量（term vectors）

GET blog/_termvectors/1
{"fields": ["title"]
}

查看后果如下：

{
  "_index" : "blog",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "took" : 0,
  "term_vectors" : {
    "title" : {
      "field_statistics" : {
        "sum_doc_freq" : 22,
        "doc_count" : 1,
        "sum_ttf" : 23
      },
      "terms" : {
        "义" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 1,
              "start_offset" : 1,
              "end_offset" : 2
            }
          ]
        },
        "分" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 7,
              "start_offset" : 7,
              "end_offset" : 8
            }
          ]
        },
        "和" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 15,
              "start_offset" : 16,
              "end_offset" : 17
            }
          ]
        },
        "器" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 9,
              "start_offset" : 9,
              "end_offset" : 10
            }
          ]
        },
        "字" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 4,
              "start_offset" : 4,
              "end_offset" : 5
            }
          ]
        },
        "定" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 0,
              "start_offset" : 0,
              "end_offset" : 1
            }
          ]
        },
        "对" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 12,
              "start_offset" : 13,
              "end_offset" : 14
            }
          ]
        },
        "引" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 14,
              "start_offset" : 15,
              "end_offset" : 16
            }
          ]
        },
        "效" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 21,
              "start_offset" : 22,
              "end_offset" : 23
            }
          ]
        },
        "文" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 2,
              "start_offset" : 2,
              "end_offset" : 3
            }
          ]
        },
        "是" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 19,
              "start_offset" : 20,
              "end_offset" : 21
            }
          ]
        },
        "有" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 20,
              "start_offset" : 21,
              "end_offset" : 22
            }
          ]
        },
        "本" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 3,
              "start_offset" : 3,
              "end_offset" : 4
            }
          ]
        },
        "查" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 16,
              "start_offset" : 17,
              "end_offset" : 18
            }
          ]
        },
        "段" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 5,
              "start_offset" : 5,
              "end_offset" : 6
            }
          ]
        },
        "的" : {
          "term_freq" : 2,
          "tokens" : [
            {
              "position" : 6,
              "start_offset" : 6,
              "end_offset" : 7
            },
            {
              "position" : 22,
              "start_offset" : 23,
              "end_offset" : 24
            }
          ]
        },
        "索" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 13,
              "start_offset" : 14,
              "end_offset" : 15
            }
          ]
        },
        "认" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 11,
              "start_offset" : 12,
              "end_offset" : 13
            }
          ]
        },
        "词" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 8,
              "start_offset" : 8,
              "end_offset" : 9
            }
          ]
        },
        "询" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 17,
              "start_offset" : 18,
              "end_offset" : 19
            }
          ]
        },
        "都" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 18,
              "start_offset" : 19,
              "end_offset" : 20
            }
          ]
        },
        "默" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 10,
              "start_offset" : 11,
              "end_offset" : 12
            }
          ]
        }
      }
    }
  }
}

能够看到，默认状况下，中文就是一个字一个字的分，这种分词形式没有任何意义。如果这样分词，查问就只能依照一个字一个字来查，像上面这样：

GET blog/_search
{
  "query": {
    "term": {"title": "定"}
  }
}

无意义！！！

所以，咱们要依据理论状况，配置适合的分词器。

给字段设定分词器：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type":"text",
        "analyzer": "ik_smart"
      }
    }
  }
}

存储文档：

PUT blog/_doc/1
{"title":"定义文本字段的分词器。默认对索引和查问都是无效的。"}

查看词条向量：

GET blog/_termvectors/1
{"fields": ["title"]
}

查问后果如下：

{
  "_index" : "blog",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "took" : 1,
  "term_vectors" : {
    "title" : {
      "field_statistics" : {
        "sum_doc_freq" : 12,
        "doc_count" : 1,
        "sum_ttf" : 13
      },
      "terms" : {
        "分词器" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 4,
              "start_offset" : 7,
              "end_offset" : 10
            }
          ]
        },
        "和" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 8,
              "start_offset" : 16,
              "end_offset" : 17
            }
          ]
        },
        "字段" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 2,
              "start_offset" : 4,
              "end_offset" : 6
            }
          ]
        },
        "定义" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 0,
              "start_offset" : 0,
              "end_offset" : 2
            }
          ]
        },
        "对" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 6,
              "start_offset" : 13,
              "end_offset" : 14
            }
          ]
        },
        "文本" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 1,
              "start_offset" : 2,
              "end_offset" : 4
            }
          ]
        },
        "无效" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 11,
              "start_offset" : 21,
              "end_offset" : 23
            }
          ]
        },
        "查问" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 9,
              "start_offset" : 17,
              "end_offset" : 19
            }
          ]
        },
        "的" : {
          "term_freq" : 2,
          "tokens" : [
            {
              "position" : 3,
              "start_offset" : 6,
              "end_offset" : 7
            },
            {
              "position" : 12,
              "start_offset" : 23,
              "end_offset" : 24
            }
          ]
        },
        "索引" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 7,
              "start_offset" : 14,
              "end_offset" : 16
            }
          ]
        },
        "都是" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 10,
              "start_offset" : 19,
              "end_offset" : 21
            }
          ]
        },
        "默认" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 5,
              "start_offset" : 11,
              "end_offset" : 13
            }
          ]
        }
      }
    }
  }
}

而后就能够通过词去搜寻了：

GET blog/_search
{
  "query": {
    "term": {"title": "索引"}
  }
}

1.2 search_analyzer

查问时候的分词器。默认状况下，如果没有配置 search_analyzer，则查问时，首先查看有没有 search_analyzer，有的话，就用 search_analyzer 来进行分词，如果没有，则看有没有 analyzer，如果有，则用 analyzer 来进行分词，否则应用 es 默认的分词器。

1.3 normalizer

normalizer 参数用于解析前（索引或者查问）的标准化配置。

比方，在 es 中，对于一些咱们不想切分的字符串，咱们通常会将其设置为 keyword，搜寻时候也是应用整个词进行搜寻。如果在索引前没有做好数据荡涤，导致大小写不统一，例如 javaboy 和 JAVABOY，此时，咱们就能够应用 normalizer 在索引之前以及查问之前进行文档的标准化。

先来一个反例，创立一个名为 blog 的索引，设置 author 字段类型为 keyword：

PUT blog
{
  "mappings": {
    "properties": {
      "author":{"type": "keyword"}
    }
  }
}

增加两个文档：

PUT blog/_doc/1
{"author":"javaboy"}

PUT blog/_doc/2
{"author":"JAVABOY"}

而后进行搜寻：

GET blog/_search
{
  "query": {
    "term": {"author": "JAVABOY"}
  }
}

大写关键字能够搜到大写的文档，小写关键字能够搜到小写的文档。

如果应用了 normalizer，能够在索引和查问时，别离对文档进行预处理。

normalizer 定义形式如下：

PUT blog
{
  "settings": {
    "analysis": {
      "normalizer":{
        "my_normalizer":{
          "type":"custom",
          "filter":["lowercase"]
        }
      }
    }
  }, 
  "mappings": {
    "properties": {
      "author":{
        "type": "keyword",
        "normalizer":"my_normalizer"
      }
    }
  }
}

在 settings 中定义 normalizer，而后在 mappings 中援用。

测试形式和后面统一。此时查问的时候，大写关键字也能够查问到小写文档，因为无论是索引还是查问，都会将大写转为小写。

1.4 boost

boost 参数能够设置字段的权重。

boost 有两种应用思路，一种就是在定义 mappings 的时候应用，在指定字段类型时应用；另一种就是在查问时应用。

理论开发中倡议应用后者，前者有问题：如果不从新索引文档，权重无奈批改。

mapping 中应用 boost（不举荐）：

PUT blog
{
  "mappings": {
    "properties": {
      "content":{
        "type": "text",
        "boost": 2
      }
    }
  }
}

另一种形式就是在查问的时候，指定 boost

GET blog/_search
{
  "query": {
    "match": {
      "content": {
        "query": "你好",
        "boost": 2
      }
    }
  }
}

1.5 coerce

coerce 用来革除脏数据，默认为 true。

例如一个数字，在 JSON 中，用户可能写错了：

{"age":"99"}

或者：

{"age":"99.0"}

这些都不是正确的数字格局。

通过 coerce 能够解决该问题。

默认状况下，以下操作没问题，就是 coerce 起作用：

PUT blog
{
  "mappings": {
    "properties": {
      "age":{"type": "integer"}
    }
  }
}

POST blog/_doc
{"age":"99.0"}

如果须要批改 coerce，形式如下：

PUT blog
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "coerce": false
      }
    }
  }
}

POST blog/_doc
{"age":99}

当 coerce 批改为 false 之后，数字就只能是数字了，不能够是字符串，该字段传入字符串会报错。

1.6 copy_to

这个属性，能够将多个字段的值，复制到同一个字段中。

定义形式如下：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "copy_to": "full_content"
      },
      "content":{
        "type": "text",
        "copy_to": "full_content"
      },
      "full_content":{"type": "text"}
    }
  }
}

PUT blog/_doc/1
{
  "title":"你好江南一点雨",
  "content":"当 coerce 批改为 false 之后，数字就只能是数字了，不能够是字符串，该字段传入字符串会报错。"
}

GET blog/_search
{
  "query": {
    "term": {"full_content": "当"}
  }
}

1.7 doc_values 和 fielddata

es 中的搜寻次要是用到倒排索引，doc_values 参数是为了放慢排序、聚合操作而生的。当建设倒排索引的时候，会额定减少列式存储映射。

doc_values 默认是开启的，如果确定某个字段不须要排序或者不须要聚合，那么能够敞开 doc_values。

大部分的字段在索引时都会生成 doc_values，除了 text。text 字段在查问时会生成一个 fielddata 的数据结构，fieldata 在字段首次被聚合、排序的时候生成。

doc_values fielddata
索引时创立 应用时动态创建
磁盘 内存
不占用内存 不占用磁盘
索引速度略微低一点 文档很多时，动态创建慢，占内存

doc_values 默认开启，fielddata 默认敞开。

doc_values 演示：

PUT users

PUT users/_doc/1
{"age":100}

PUT users/_doc/2
{"age":99}

PUT users/_doc/3
{"age":98}

PUT users/_doc/4
{"age":101}

GET users/_search
{
  "query": {"match_all": {}
  },
  "sort":[
    {
      "age":{"order": "desc"}
    }
    ]
}

因为 doc_values 默认时开启的，所以能够间接应用该字段排序，如果想敞开 doc_values，如下：

PUT users
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "doc_values": false
      }
    }
  }
}

PUT users/_doc/1
{"age":100}

PUT users/_doc/2
{"age":99}

PUT users/_doc/3
{"age":98}

PUT users/_doc/4
{"age":101}

GET users/_search
{
  "query": {"match_all": {}
  },
  "sort":[
    {
      "age":{"order": "desc"}
    }
    ]
}

1.8 dynamic

1.9 enabled

es 默认会索引所有的字段，然而有的字段可能只须要存储，不须要索引。此时能够通过 enabled 字段来管制：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{"enabled": false}
    }
  }
}

PUT blog/_doc/1
{"title":"javaboy"}

GET blog/_search
{
  "query": {
    "term": {"title": "javaboy"}
  }
}

设置了 enabled 为 false 之后，就能够再通过该字段进行搜寻了。

1.10 format

日期格局。format 能够标准日期格局，而且一次能够定义多个 format。

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

PUT users/_doc/1
{"birthday":"2020-11-11"}

PUT users/_doc/2
{"birthday":"2020-11-11 11:11:11"}
  • 多个日期格局之间，应用 || 符号连贯，留神没有空格。
  • 如果用户没有指定日期的 format，默认的日期格局是 strict_date_optional_time||epoch_mills

另外，所有的日期格局，能够在 https://www.elastic.co/guide/… 网址查看。

1.11 ignore_above

igbore_above 用于指定分词和索引的字符串最大长度，超过最大长度的话，该字段将不会被索引，这个字段只实用于 keyword 类型。

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "keyword",
        "ignore_above": 10
      }
    }
  }
}

PUT blog/_doc/1
{"title":"javaboy"}

PUT blog/_doc/2
{"title":"javaboyjavaboyjavaboy"}

GET blog/_search
{
  "query": {
    "term": {"title": "javaboyjavaboyjavaboy"}
  }
}

1.12 ignore_malformed

ignore_malformed 能够疏忽不规则的数据，该参数默认为 false。

PUT users
{
  "mappings": {
    "properties": {
      "birthday":{
        "type": "date",
        "format": "yyyy-MM-dd||yyyy-MM-dd HH:mm:ss"
      },
      "age":{
        "type": "integer",
        "ignore_malformed": true
      }
    }
  }
}

PUT users/_doc/1
{
  "birthday":"2020-11-11",
  "age":99
}

PUT users/_doc/2
{
  "birthday":"2020-11-11 11:11:11",
  "age":"abc"
}


PUT users/_doc/2
{
  "birthday":"2020-11-11 11:11:11aaa",
  "age":"abc"
}

1.13 include_in_all

这个是针对 _all 字段的，然而在 es7 中，该字段曾经被废除了。

1.14 index

index 属性指定一个字段是否被索引，该属性为 true 示意字段被索引，false 示意字段不被索引。

PUT users
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "index": false
      }
    }
  }
}

PUT users/_doc/1
{"age":99}

GET users/_search
{
  "query": {
    "term": {"age": 99}
  }
}
  • 如果 index 为 false，则不能通过对应的字段搜寻。

1.15 index_options

index_options 管制索引时哪些信息被存储到倒排索引中（用在 text 字段中），有四种取值：

index_options 备注
docs 只存储文档编号，默认即此
freqs 在 docs 根底上，存储词项频率
positions 在 freqs 根底上，存储词项偏移地位
offsets 在 positions 根底上，存储词项开始和完结的字符地位

1.16 norms

norms 对字段评分有用，text 默认开启 norms，如果不是特地须要，不要开启 norms。

1.17 null_value

在 es 中，值为 null 的字段不索引也不能够被搜寻，null_value 能够让值为 null 的字段显式的可索引、可搜寻：

PUT users
{
  "mappings": {
    "properties": {
      "name":{
        "type": "keyword",
        "null_value": "javaboy_null"
      }
    }
  }
}

PUT users/_doc/1
{
  "name":null,
  "age":99
}

GET users/_search
{
  "query": {
    "term": {"name": "javaboy_null"}
  }
}

1.18 position_increment_gap

被解析的 text 字段会将 term 的地位思考进去，目标是为了反对近似查问和短语查问，当咱们去索引一个含有多个值的 text 字段时，会在各个值之间增加一个假想的空间，将值隔开，这样就能够无效防止一些无意义的短语匹配，间隙大小通过 position_increment_gap 来管制，默认是 100。

PUT users

PUT users/_doc/1
{"name":["zhang san","li si"]
}

GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {"query": "sanli"}
    }
  }
}
  • sanli 搜寻不到，因为两个短语之间有一个假想的空隙，为 100。
GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "san li",
        "slop": 101
      }
    }
  }
}

能够通过 slop 指定空隙大小。

也能够在定义索引的时候，指定空隙：

PUT users
{
  "mappings": {
    "properties": {
      "name":{
        "type": "text",
        "position_increment_gap": 0
      }
    }
  }
}

PUT users/_doc/1
{"name":["zhang san","li si"]
}

GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {"query": "san li"}
    }
  }
}

1.19 properties

1.20 similarity

similarity 指定文档的评分模型，默认有三种：

similarity 备注
BM25 es 和 lucene 默认的评分模型
classic TF/IDF 评分
boolean boolean 模型评分

1.21 store

默认状况下，字段会被索引，也能够搜寻，然而不会存储，尽管不会被存储的，然而 _source 中有一个字段的备份。如果想将字段存储下来，能够通过配置 store 来实现。

1.22 term_vectors

term_vectors 是通过分词器产生的信息，包含：

  • 一组 terms
  • 每个 term 的地位
  • term 的首字符 / 尾字符与原始字符串原点的偏移量

term_vectors 取值：

取值 备注
no 不存储信息，默认即此
yes term 被存储
with_positions 在 yes 的根底上减少地位信息
with_offset 在 yes 的根底上减少偏移信息
with_positions_offsets term、地位、偏移量都存储

1.23 fields

fields 参数能够让同一字段有多种不同的索引形式。例如：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "fields": {
          "raw":{"type":"keyword"}
        }
      }
    }
  }
}

PUT blog/_doc/1
{"title":"javaboy"}

GET blog/_search
{
  "query": {
    "term": {"title.raw": "javaboy"}
  }
}
  • https://www.elastic.co/guide/…

最初，松哥还收集了 50+ 个我的项目需要文档，想做个我的项目练练手的小伙伴无妨看看哦～



需要文档地址：https://github.com/lenve/javadoc

正文完
elasticsearch
发表至： elasticsearch
2020-12-03
 0
关于elasticsearch:Elasticsearch-7x-分片问题
关于elasticsearch:Elasticsearch数据同步嵌套文档关联
关于elasticsearch:ES常用命令
关于elasticsearch:ES近实时搜索原理