Elasticsearch数据类型及其属性

一、数据类型

字段类型概述

核心类型

• 1、字符串类型
  　　string类型: 在ElasticSearch 旧版本中使用较多，从ElasticSearch 5.x开始不再支持string，由text和keyword类型替代。
  　　text 类型：当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合。
  　　keyword
  keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通过精确值搜索到。

• 2、整数类型

  类型	取值范围
  byte	-128~127
  short	-32768~32767
  integer	-231~231-1
  short	-263~263-1

  在满足需求的情况下，尽可能选择范围小的数据类型。比如，某个字段的取值最大值不会超过100，那么选择byte类型即可。迄今为止吉尼斯记录的人类的年龄的最大值为134岁，对于年龄字段，short足矣。字段的长度越短，索引和搜索的效率越高。

• 3、浮点类型

  类型	取值范围
  doule	64位双精度IEEE 754浮点类型
  float	32位单精度IEEE 754浮点类型
  half_float	16位半精度IEEE 754浮点类型
  scaled_float	缩放类型的的浮点数

  对于float、half_float和scaled_float,-0.0和+0.0是不同的值，使用term查询查找-0.0不会匹配+0.0，同样range查询中上边界是-0.0不会匹配+0.0，下边界是+0.0不会匹配-0.0。

  其中scaled_float，比如价格只需要精确到分，price为57.34的字段缩放因子为100，存起来就是5734
  优先考虑使用带缩放因子的scaled_float浮点类型。

• 4、date类型
  日期类型表示格式可以是以下几种：
  （1）日期格式的字符串，比如 “2018-01-13” 或 “2018-01-13 12:10:30”
  （2）long类型的毫秒数( milliseconds-since-the-epoch，epoch就是指UNIX诞生的UTC时间1970年1月1日0时0分0秒)
  （3）integer的秒数(seconds-since-the-epoch)

• 5、boolean类型　true和false

• 6、 binary类型
  　　进制字段是指用base64来表示索引中存储的二进制数据，可用来存储二进制形式的数据，例如图像。默认情况下，该类型的字段只存储不索引。二进制类型只支持index_name属性。

• 7、array类型
  （1）字符数组: [ “one”, “two” ]
  （2）整数数组: productid:[ 1, 2 ]
  （3）对象（文档）数组: “user”:[ { “name”: “Mary”, “age”: 12 }, { “name”: “John”, “age”: 10 }]，
  注意：lasticSearch不支持元素为多个数据类型：[ 10, “some string” ]

• 8、 object类型
  JSON对象，文档会包含嵌套的对象

• 9、ip类型
  p类型的字段用于存储IPv4或者IPv6的地址

二、Mapping 支持属性

• 1、enabled：仅存储、不做搜索和聚合分析

    "enabled":true （缺省）| false
  

• 2、index：是否构建倒排索引（即是否分词，设置false，字段将不会被索引）

        "index": true（缺省）| false
  

• 3、index_option：存储倒排索引的哪些信息

    4个可选参数：
        docs：索引文档号
        freqs：文档号+词频
        positions：文档号+词频+位置，通常用来距离查询
        offsets：文档号+词频+位置+偏移量，通常被使用在高亮字段
    分词字段默认是positions，其他默认时docs
    
    "index_options": "docs"
  

• 4、norms：是否归一化相关参数、如果字段仅用于过滤和聚合分析、可关闭
  分词字段默认配置，不分词字段：默认{“enable”: false}，存储长度因子和索引时boost，建议对需要参加评分字段使用，会额外增加内存消耗

    "norms": {"enable": true, "loading": "lazy"}
  

• 5、doc_value：是否开启doc_value，用户聚合和排序分析
  对not_analyzed字段，默认都是开启，分词字段不能使用，对排序和聚合能提升较大性能，节约内存

    "doc_value": true（缺省）| false
  

• 6、fielddata：是否为text类型启动fielddata，实现排序和聚合分析
  针对分词字段，参与排序或聚合时能提高性能，不分词字段统一建议使用doc_value

    "fielddata": {"format": "disabled"}
  

• 7、store：是否单独设置此字段的是否存储而从_source字段中分离，只能搜索，不能获取值

    "store": false（默认）| true
  

• 8、coerce：是否开启自动数据类型转换功能，比如：字符串转数字，浮点转整型

    "coerce: true（缺省）| false"
  

• 9、multifields：灵活使用多字段解决多样的业务需求

• 11、dynamic：控制mapping的自动更新

    "dynamic": true（缺省）| false | strict
  

1

• 12、data_detection：是否自动识别日期类型

    "data_detection"：true（缺省）| false
  

dynamic和data_detection的详解：Elasticsearch dynamic mapping（动态映射） 策略.

• 13、analyzer：指定分词器，默认分词器为standard analyzer

    "analyzer": "ik"
  

• 14、boost：字段级别的分数加权，默认值是1.0

    "boost": 1.23
  

• 15、fields：可以对一个字段提供多种索引模式，同一个字段的值，一个分词，一个不分词

    "fields": {"raw": {"type": "string", "index": "not_analyzed"}}
  

• 16、ignore_above：超过100个字符的文本，将会被忽略，不被索引

    "ignore_above": 100
  

• 17、include_in_all：设置是否此字段包含在_all字段中，默认时true，除非index设置成no

    "include_in_all": true
  

• 18、null_value：设置一些缺失字段的初始化，只有string可以使用，分词字段的null值也会被分词

    "null_value": "NULL"
  

• 19、position_increament_gap：影响距离查询或近似查询，可以设置在多值字段的数据上或分词字段上，查询时可以指定slop间隔，默认值时100

    "position_increament_gap": 0
  

• 20、search_analyzer：设置搜索时的分词器，默认跟analyzer是一致的，比如index时用standard+ngram，搜索时用standard用来完成自动提示功能

    "search_analyzer": "ik"
  

• 21、similarity：默认时TF/IDF算法，指定一个字段评分策略，仅仅对字符串型和分词类型有效

    "similarity": "BM25"
  

• 22、trem_vector：默认不存储向量信息，支持参数yes（term存储），with_positions（term+位置），with_offsets（term+偏移量），with_positions_offsets（term+位置+偏移量）对快速高亮fast vector highlighter能提升性能，但开启又会加大索引体积，不适合大数据量用

    "trem_vector": "no"
  

三、Mapping 字段设置流程

avatar