Mapping
-
Mapping类似数据库中的schema定义，作用如下:
定义索引中的字段的名称 定义字段的数据类型，例如字符串，数字，布尔 字段，倒排索引的相关配置 Mapping会把json文档映射成Lucene所需要的扁平格式
-
一个Mapping属于一个索引的Type
每个文档都属于一个Type 一个Type有一个mapping定义 7.0开始，不需要在mapping定义中指定type信息
字段的数据类型
-
简单类型
Text / Keyword Date Integer / Floating Boolean IPv4 & IPv6 -
复杂类型 - 对象和嵌套对象
对象类型 / 嵌套类型 -
特殊类型
geo_point & geo_shape / percolator
什么是Dynamic Mapping
- 在写入文档时候，如果索引不存在，会自动创建索引
- Dynamic Mapping的机制，使得我们无需手动定义Mappings。 Elasticsearch会自动根据文档信息，推算出字段的类型
- 但是有时候会推算的不对，例如地理位置信息
-
当类型如果设置不对时，会导致一些功能无法正常运行，例如Range查询
查看Mapping:
image.png
能否更改Mapping的字段类型
-
新增加字段
Dynamic设为true时，一旦有新增字段的文档写入，Mapping也同时被更新 Dynamic设为false时，Mapping不会被更新，新增字段的数据无法被索引，但是信息会出现在_source中 Dynamic设置成strict，文档写入失败 -
对已有字段，一旦已经有数据写入，就不再支持修改字段定义
Lucene实现的倒排索引，一旦生成后，就不允许修改 如果希望改变字段类型，必须Reindex API，重建索引
修改索引的dynamic值:
PUT movies/_mappings
{
"dynamic":false
}
如何显示定义一个Mapping
PUT movies
{
"mappings":{
// define your mappings here
}
}
控制当前字段是否被索引
-
Index - 控制当前字段是否被索引。默认为true。如果设置成false,该字段不可被搜索
image.png
Index Options
-
四种不同级别的Index Options配置，可以控制倒排索引记录的内容
docs - 记录doc id freqs - 记录doc id 和 term frequencies positions - 记录doc id / term frequencies / term position offsets - doc id /term frequencies / term position / character offects Text类型默认记录positions,其他默认为docs
记录内容越多，占用的存储空间越大
null_value
GET users/_search?q=mobile:NULL
- 需要对NULL值实现搜索
- 只有Keyword类型支持设定NULL_Value
copy_to 设置
GET users/_search?q=fullName:(Xu Colin)
- _all在7中被copy_to所替代
- 满足一些特定的搜索需求
- copy_to 将字段的数值拷贝到目标字段，实现类似_all的作用
- copy_to 的目标字段不出现在_source中
多字段类型
厂商名字实现精确匹配
增加一个keyword字段-
使用不同的analyzer
不同语言 pinyin字段的搜索 还支持为搜索和索引指定不同的analyzer
精确值(Exact Values) 和 全文本(Full Text)
- Exact Values: 包括数字/日期/具体的一个字符串
Elasticsearch中的keyword - 全文本，非结构化的文本数据
Elasticsearch中的text
image.png
自定义分词
当Elasticsearch自带的分词器无法满足时，可以自定义分词器。通过自组合不同的组件实现
- character filter
- tokenizer
- token filter
Character Filters
在Tokenizer之前对文本进行处理，例如增加删除及替换字符。可以配置多个Character Filters。会影响Tokenizer的position和offset信息
一些自带的Character Filters
- HTML strip - 去除html标签
- Mapping - 字符串替换
- Pattern replace - 正则匹配替换
Tokenizer
将原始的文本按照一定的规则，切分为词(term or token)
-
Elasticsearch内置的Tokenizers
whitespace / standard / uax_url_email / pattern / keyword / path hierarchy 可以用java开发插件，实现自己的Tokenizer
Token Filters
将Tokenizer输出的单词(term),进行增加，修改，删除
-
自带的Token Filters
Lowercase / stop / synonym(添加近义词)
上面的例子使用了Character Filters去除html标签
上面是通过mapping把-替换成了_进行分词
上面是自己创建了个多音字分词器
脚本：
PUT my_index
{
"settings": {
"analysis": {
"analyzer": {
"my_custom_analyzer":{
"type":"custom",
"char_filter":[
"duoyin"
],
"tokenizer":"standard"
}
},
"char_filter": {
"duoyin":{
"type":"mapping",
"mappings":["重 => 重 zhong chong "]
}
}
}
}
}
POST /my_index/_analyze
{
"analyzer": "my_custom_analyzer",
"text":"你很重要"
}
