一、Mapping的概念 1、Mapping類似於資料庫中的Schema的定義,作用如下: 1)定義索引中的欄位的名稱; 2)定義欄位的數據類型,例如字元串、數字、日期、布爾等; 3)對每個欄位進行倒排索引的建立及相關配置; 4)Mapping會將Json文檔映射成Lucene所需要的扁平格式; 5 ...
一、Mapping的概念
1、Mapping類似於資料庫中的Schema的定義,作用如下:
1)定義索引中的欄位的名稱;
2)定義欄位的數據類型,例如字元串、數字、日期、布爾等;
3)對每個欄位進行倒排索引的建立及相關配置;
4)Mapping會將Json文檔映射成Lucene所需要的扁平格式;
5)一個Mapping屬於一個索引的Type,從7.0開始,不需要在Mapping中指定Type信息;
2、欄位的數據類型
1)簡單類型
Text(會增加Keyword子欄位);
Date;
Integer/Long/Floating;
Boolean;
IP4&IP6;
Keyword;
2)複雜類型
對象類型;
嵌套類型;
數組(由第一個非空數值的類型所決定);
空值;
3)特殊類型(地理信息)
geo_point&geo_shape
二、Dynamic Mapping的概念
1、在寫入文檔的時候,如果索引不存在,則會自動創建索引;
2、由於上述機制,可以無需手動定義Mapping,ElasticSearch會自動根據文檔信息,推算出欄位的類型;
3、但是有時候推算的可能不對,當類型設置的不對時,會導致一些功能無法正常運行,比如範圍內的Range查詢;
三、Mapping與Dynamic Mapping的使用
1、推斷欄位的類型
//創建一個文檔
put mapping_test/_doc/1
{
"id":"100",
"isvip":false,
"isadmin":"true",
"age":18,
"height":180
}
//查看索引Mapping結構
get mapping_test/_mapping
//刪除索引
delete mapping_test
由上圖中可以得出,ElasticSearch基本上可以按照數據推斷出預想的欄位類型,由於isadmin欄位的值是由雙引號所括起來的,所以該欄位被推斷成text類型。
2、更改Mapping的欄位類型
對於索引後期加入的欄位,可以按照如下情況進行設置:
1)新增加欄位
a)Dynamic設置為True時,一旦有新增欄位的文檔寫入,Mapping同時會被更新;
b)Dynamic設置為False時,有新增欄位的文檔寫入,Mapping不會被更新,新增欄位的數據也無法被索引,但是信息會出現在_Source中;
c)Dynamic設置成Strict時,文檔寫入失敗;
2)已有欄位
a)對於已有欄位,一旦已經有數據寫入,就不再支持修改欄位定義。因為Lucene實現的倒排索引,一旦生成後,就不允許修改。
b)如果希望改變已有欄位類型,必須ReIndex,重建索引;
為什麼會這樣?
I)如果修改了欄位的數據類型,會導致已被索引的屬於無法被搜索;
II)正因為如此,對於新增加的欄位,就不會有這個問題的影響;
3、對於這幾種情況,我們通過下圖進行演示:
1)對於dynamic為true時,對於創建的文檔中的某一欄位進行搜索,是可以查詢到的。
2)將dynamic設置為false,然後新增一個name欄位,然後對其搜索,是無法搜索到的。
同時mapping中也不存在該欄位。
但是可以在_Source中看到這個欄位。
3)將dynamic設置為strict,然後新增一個grade欄位,會發現出現異常。
四、索引Mapping的顯式定義
1、Mapping定義的方式有兩種:
1)可以參考API手冊,純手寫;
2)為了減少輸入工作量,減少出錯概率,可以依照以下步驟:
a)創建一個臨時的Index,寫入一些樣本數據;
b)通過訪問Mapping API獲取該臨時索引的動態Mapping定義;
c)修改成符合要求的Json,然後創建顯式索引;
d)將臨時索引刪除;
2、顯式Mapping定義的語法:
Put Index_Name { "mappings":{ 定義Mapping信息,Json格式
"properties":{
"column_name":{
"type":"text"
},
"column_name":{
"type":"long"
}
...
}
}
}
3、顯式Mapping定義的說明:
1)控制當前欄位是否可以被索引,預設是True。如果設置成False,則該欄位不可被搜索。
將不被搜索的欄位設置成索引為false,可以節省磁碟開銷,因為這樣該欄位就不需要進行倒排索引了。
2)對於需要索引的欄位,ElasticSearch提供了Index_options配置,可以控制倒排索引記錄的內容,Index_options提供了四種控制級別:
a)docs:記錄doc的Id;
b)freqs:記錄doc Id、Term Frequencies;
c)positions:記錄doc Id、Term Frequencies、Term Position;
d)offsets:記錄doc Id、Term Frequencies、Term Position、Character offsets;
3)Text類型預設是positions級別,其他類型預設是docs級別;
4)索引欄位需要記錄的內容越多,那麼占用存儲空間越大;
5)只有keyword類型支持設定Null值;
6)copy_to的設置,是將欄位的值拷貝到所設定的目標欄位中,當查詢時,可以將該目標欄位做為搜索欄位進行查詢。但是該目標欄位不會出現在_source中。
7)數組類型在ElasticSearch中並不提供,但是對於任何欄位,是可以包含多個相同類型的數據的。
8)對欄位還可以指定特定的analyzer。
9)查看索引Mapping,如下所示:
五、ElasticSearch欄位特性與自定義Analyzer
1、Exact Values(精確值)、Full Text(全文本)
Exact Values就是指具體數字、日期、字元串,此類值是不需要進行分詞的;
Full Text:是非結構化的文本數據,是需要進行分詞的;
2、自定義分詞器
當ElasticSearch自帶的分詞器無法滿足要求時,可以自定義分詞器,通過組合不同的Character Filter、Tokenizer、Token Filter進行實現。
1)Charater Filters
a)在Tokenizer之前,通過使用Character Filters對文本進行處理,如刪除或者替換字元。此種處理會影響後續Tokenizer對Term的Position與Offset的信息。
b)可以設置多個Character Filters,一個自帶的Character Filters包括:HTML Strip(去除HTML標簽)、Mapping(字元串替換)、Pattern Replace(正則表達式替換)。
如下圖所示:
2)Tokenizer
a)將原始的文本按照一定的規則,進行切分成詞(Term or Token);
b)內置的Tokenizer有:Standard、uax_url_email、WhiteSpace、keyword、Pattern、Path hierarchy;
c)可以實現自己的Tokenizer插件;
如下圖所示:
3)Token Filters
a)將Tokenizer輸出的Term,進行增加、修改、刪除;
b)內置的Token Filters有:lowercase、stop、synonym(近義詞);
如下圖所示:
3、自定義Analyzer使用
在圖中的emotion、customer、english_stop,是分別對Character Filter、Tokenizer、Token Filter的自定義配置。
註意:欄位類型keyword與text類型的子欄位keyword的說明:
1、一切文本類型的字元串可以定義成"text"或"keyword"兩種類型。區別在於,text類型會使用預設分詞器分詞(當然也可以指定特定的分詞器),keyword類型預設不會對其進行分詞;
2、多欄位類型情況下,查詢時可以用title,也可以用title.keyword查詢類型為keyword的子欄位;
大家可關註我的公眾號
知識學習來源:阮一鳴:《Elasticsearch核心技術與實戰》