文章目录
- 前言
- 一、基本数据类型
- 二、数据类型映射
- 1.动态映射
- 2.静态映射
- 总结
前言
本来想直接记录工作当中索引查询相关的操作,但是似乎如果不先记录索引数据类型的话,还真不好操作。好多查询都是根据数据类型来的,所以先简单介绍哈ES索引中相关的数据类型。
一、基本数据类型
这里只是记录我在工作当中常用的数据类型,并不是ES7.x中全部的数据类型,更多数据类型,可以查看官网说明。
官网地址:https://www.elastic.co/guide/en/elasticsearch/reference/7.9/mapping-types.html
1、字符串类
string
:这是一个已经过期的字符串类型。在 es5 之前,用这个来描述字符串,现在的话,它已经被 text 和 keyword 替代了。text
:如果一个字段是要被全文检索的,比如说博客内容、新闻内容、产品描述,那么可以使用 text。用了 text 之后,字段内容会被分析,在生成倒排索引之前,字符串会被分词器分成一个个词项。text 类型的字段不用于排序,很少用于聚合。这种字符串也被称为 analyzed 字段。keyword
:这种类型适用于结构化的字段,例如标签、email 地址、手机号码等等,这种类型的字段可以用作过滤、排序、聚合等。这种字符串也称之为 not-analyzed 字段。
2、数字类型
1、在满足需求的情况下,优先使用范围小的字段。字段长度越短,索引和搜索的效率越高。
2、浮点数,优先考虑使用 scaled_float。
例如:
scaled_float 类型:
PUT product
{"mappings": {"properties": {"name":{"type": "text"},"price":{"type": "scaled_float","scaling_factor": 100}}}
}
3、日期类型
由于 JSON 中没有日期类型,所以 es 中的日期类型形式就比较多样:
- 2020-11-11 或者 2020-11-11 11:11:11
- 一个从 1970.1.1 零点到现在的一个秒数或者毫秒数。
es 内部将时间转为 UTC,然后将时间按照 millseconds-since-the-epoch 的长整型来存储。
自定义日期类型:
PUT product
{"mappings": {"properties": {"date":{"type": "date"}}}
}
这个能够解析出来的时间格式比较多。
PUT product/_doc/1
{"date":"2020-11-11"
}PUT product/_doc/2
{"date":"2020-11-11T11:11:11Z"
}PUT product/_doc/3
{"date":"1604672099958"
}
上面三个文档中的日期都可以被解析,内部存储的是毫秒计时的长整型数。
4、布尔类型(boolean)
JSON 中的 “true”、“false”、true、false 都可以。
5、二进制类型(binary)
二进制接受的是 base64 编码的字符串,默认不存储,也不可搜索。
6、范围类型
- integer_range
- float_range
- long_range
- double_range
- date_range
- ip_range
定义的时候,指定范围类型即可:
PUT product
{"mappings": {"properties": {"date":{"type": "date"},"price":{"type":"float_range"}}}
}
插入文档的时候,需要指定范围的界限:
PUT product
{"mappings": {"properties": {"date":{"type": "date"},"price":{"type":"float_range"}}}
}
指定范围的时,可以使用 gt、gte、lt、lte。
7、数组类型
es 中没有专门的数组类型。默认情况下,任何字段都可以有一个或者多个值。需要注意的是,数组中的元素必须是同一种类型。
添加数组是,数组中的第一个元素决定了整个数组的类型。
8、对象类型(object)
由于 JSON 本身具有层级关系,所以文档包含内部对象。内部对象中,还可以再包含内部对象。
PUT product/_doc/2
{"date":"2020-11-11T11:11:11Z","ext_info":{"address":"China"}
}
9、嵌套类型(nested)
nested 是 object 中的一个特例。
如果使用 object 类型,假如有如下一个文档:
{"user":[{"first":"Zhang","last":"san"},{"first":"Li","last":"si"}]
}
由于 Lucene 没有内部对象的概念,所以 es 会将对象层次扁平化,将一个对象转为字段名和值构成的简单列表。即上面的文档,最终存储形式如下:
{
"user.first":["Zhang","Li"],
"user.last":["san","si"]
}
扁平化之后,用户名之间的关系没了。这样会导致如果搜索 Zhang si 这个人,会搜索到。
此时可以 nested 类型来解决问题,nested 对象类型可以保持数组中每个对象的独立性。nested 类型将数组中的每一饿对象作为独立隐藏文档来索引,这样每一个嵌套对象都可以独立被索引。
{{"user.first":"Zhang","user.last":"san"},{"user.first":"Li","user.last":"si"}
}
- 优点:文档存储在一起,读取性能高。
- 缺点:更新父或者子文档时需要更新更个文档。
10、地理类型
使用场景:
- 查找某一个范围内的地理位置
- 通过地理位置或者相对中心点的距离来聚合文档
- 把距离整个到文档的评分中
- 通过距离对文档进行排序
有如下几个类型:
- geo_point:geo_point 就是一个坐标点
定义方式如下:
PUT people
{"mappings": {"properties": {"location":{"type": "geo_point"}}}
}
创建时指定字段类型,存储的时候,有四种方式:
PUT people/_doc/1
{"location":{"lat": 34.27,"lon": 108.94}
}PUT people/_doc/2
{"location":"34.27,108.94"
}PUT people/_doc/3
{"location":"uzbrgzfxuzup"
}PUT people/_doc/4
{"location":[108.94,34.27]
}
注意,使用数组描述,先经度后纬度。
地址位置转 geo_hash
:http://www.csxgame.top/#/
- geo_shape
该类型是多种地理空间类型的集合体,如下:
指定 geo_shape 类型:
PUT people
{"mappings": {"properties": {"location":{"type": "geo_shape"}}}
}
添加文档时需要指定具体的类型:
PUT people/_doc/1
{"location":{"type":"point","coordinates": [108.94,34.27]}
}
如果是 linestring,如下:
PUT people/_doc/2
{"location":{"type":"linestring","coordinates": [[108.94,34.27],[100,33]]}
}
11、 特殊类型 —> IP
存储 IP 地址,类型是 ip:
PUT blog
{"mappings": {"properties": {"address":{"type": "ip"}}}
}
添加文档:
PUT blog/_doc/1
{"address":"192.168.91.1"
}
搜索文档:
GET blog/_search
{"query": {"term": {"address": "192.168.0.0/16"}}
}
12、 特殊类型 —> token_count
用于统计字符串分词后的词项个数。
PUT blog
{"mappings": {"properties": {"title":{"type": "text","fields": {"length":{"type":"token_count","analyzer":"standard"}}}}}
}
相当于新增了 title.length 字段用来统计分词后词项的个数。
添加文档:
PUT blog/_doc/1
{"title":"zhang san"
}
可以通过 token_count 去查询:
GET blog/_search
{"query": {"term": {"title.length": 2}}
}
二、数据类型映射
数据类型映射就是 Mapping
,它用来定义一个文档以及文档所包含的字段该如何被存储和索引。所以,它其实有点类似于关系型数据库中表的定义。
分为动态映射
与静态映射
。
1.动态映射
顾名思义,就是自动创建出来的映射。es 根据存入的文档,自动分析出来文档中字段的类型以及存储方式,这种就是动态映射。
举一个简单例子,新建一个索引,然后查看索引信息:
# 创建一个文章索引
PUT essay
# 查看索引
GET /essay
{"essay" : {"aliases" : { },"mappings" : { },"settings" : {"index" : {"creation_date" : "1732458477134","number_of_shards" : "1","number_of_replicas" : "1","uuid" : "K6c2XK-MQZOyD4_uvrDWYQ","version" : {"created" : "7090399"},"provided_name" : "essay"}}}
}
在创建好的索引信息中,可以看到,mappings 为空,这个 mappings 中保存的就是映射信息。
现在我们向索引中添加一个文档,如下:
POST /essay/_doc
{"title":"鲁迅有约","date":"2024-11-12"
}
文档添加成功后,就会自动生成 Mappings:
GET /essay
{"essay" : {"mappings" : {"properties" : {"date" : {"type" : "date"},"title" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}}}}}
}
可以看到,date 字段的类型为 date,title 的类型有两个,text 和 keyword。
默认情况下,文档中如果新增了字段,mappings 中也会自动新增进来。
有的时候,如果希望新增字段时,能够抛出异常来提醒开发者,这个可以通过 mappings 中 dynamic 属性来配置。
dynamic 属性有三种取值:
- true,默认即此。自动添加新字段。
- false,忽略新字段。
- strict,严格模式,发现新字段会抛出异常。
具体配置方式如下,创建索引时指定 mappings(这其实就是静态映射):
PUT essay1
{"mappings": {"dynamic":"strict","properties": {"title":{"type": "text"},"age":{"type":"long"}}}
}
然后向 blog 中索引中添加数据:
POST /essay1/_doc
{"title":"鲁迅有约","age": 12,"date":"2024-11-12"
}
在添加的文档中,多出了一个 date 字段,而该字段没有预定义,所以这个添加操作就回报错:
{"error" : {"root_cause" : [{"type" : "strict_dynamic_mapping_exception","reason" : "mapping set to strict, dynamic introduction of [date] within [_doc] is not allowed"}],"type" : "strict_dynamic_mapping_exception","reason" : "mapping set to strict, dynamic introduction of [date] within [_doc] is not allowed"},"status" : 400
}
动态映射还有一个日期检测的问题。
例如新建一个索引,然后添加一个含有日期的文档,如下:
PUT /essay2/_doc/1
{"remark":"2024-11-12"
}
添加成功后,remark 字段会被推断是一个日期类型。
GET /essay2/_mapping
# 结果如下:
{"essay2" : {"mappings" : {"properties" : {"remark" : {"type" : "date"}}}}
}
此时,remark 字段就无法存储其他类型了。
PUT /essay2/_doc/2
{"remark":"你好啊"
}
# 此时报错如下:
{"error" : {"root_cause" : [{"type" : "mapper_parsing_exception","reason" : "failed to parse field [remark] of type [date] in document with id '2'. Preview of field's value: '你好啊'"}],"type" : "mapper_parsing_exception","reason" : "failed to parse field [remark] of type [date] in document with id '2'. Preview of field's value: '你好啊'","caused_by" : {"type" : "illegal_argument_exception","reason" : "failed to parse date field [你好啊] with format [strict_date_optional_time||epoch_millis]","caused_by" : {"type" : "date_time_parse_exception","reason" : "date_time_parse_exception: Failed to parse with all enclosed parsers"}}},"status" : 400
}
要解决这个问题,可以使用静态映射,即在索引定义时,将 remark 指定为 text 类型。也可以关闭日期检测。
PUT essay3
{"mappings": {"date_detection": false}
}
此时日期类型就回当成文本来处理。
最后附加一个类型推断表:
JSON中的数据 | 自动推断出来的数据类型 | 说明(Java中没有指定字段类型的情况) |
---|---|---|
null | 没有字段被添加 | - |
true/false | boolean | - |
浮点数字(float、double、BigDecimal) | float | 包括Java中的BigDecimal |
整数数字(long、integer、short、byte) | long | |
日期类型(date、LocalDateTime) | long | 包括Java中的LocalDateTime等系列 |
数组 | 数组中第一个非空值来决定 | - |
string | text/keyword/date/double/long等都有可能 | - |
2.静态映射
静态映射就是在新建索引的时候,指定每个字段的类型。
- 方式一
一般来说,我们在kibana
中新建索引的时候可以指定类型,比如:
PUT /building_info
{"mappings": {"properties": {"address" : {"type" : "text"},"city_code" : {"type" : "keyword"},"county" : {"type" : "keyword"},"create_time" : {"type" : "date"}}}
}
- 方式二
就是我们在继承Java代码的时候,在Java中去创建,这个后面专门出一篇文章来记录。
例如:
@Document(indexName = "building_info", shards = 3, replicas = 1)
public class BuildingInfo implements Serializable {private static final long serialVersionUID = 1L;@Idprivate Long id;@Field(type = FieldType.Text)private String name;@Field(type = FieldType.Text)private String address;@Field(value = "create_time", type = FieldType.Date)private Date createTime;@Field(type = FieldType.Keyword)private Integer floor;}
在注解元素上去指定。
总结
上面我们只是简单的介绍了索引的类型和映射问题,更多可以查看官网。
只有熟悉这些,在工作当中才能更好的游刃有余,知道怎么去定义等等问题。