一、前言
關系型數據庫對我們來說都很熟悉，Elasticsearch 也可以看成是一種數據庫，所以我們經常將關系型數據庫中的概念和 Elasticsearch 中的概念進行對比，如下：
Relational DB（關系型數據庫） -> Databases（數據庫） -> Tables（表） -> Rows（行） -> Columns（列）
Elasticsearch -> Indices（索引） -> Types（類型） -> Documents（文檔） -> Fields（域/字段）
如上所示，Elasticsearch 中的 index（索引）就相當於數據庫，type（類型）相當於表，mapping（映射）相當於表結構，document（文檔）相當於行等等。
但是 Elasticsearch 也有自己的特點：
Elasticsearch 沒有典型意義的事務；
Elasticsearch 是一種面向文檔的數據庫；
Elasticsearch 沒有提供授權和認證特性。
二、映射
為了能夠把日期字段處理成日期，把數字字段處理成數字，把字符串字段處理成全文本（Full-text）或精確（Exact-value）的字符串值，Elasticsearch 需要知道每個字段里面都包含什么數據類型。這些類型和字段的信息存儲在映射中。創建索引的時候，可以預先定義字段的類型以及相關屬性，相當於定義數據庫字段的屬性。以下參考文檔地址均來自官方最新版本 6.2。
Elasticsearch 官網文檔地址：Elasticsearch Reference
2.1 字段數據類型
字段數據類型文檔地址：Field datatypes
核心類型 Core datatypes
字符串類型
string
text and keyword
text：全文檢索需要分詞的類型。
keyword：精確值。合適分組排序。不進行分詞，只能通過精確值搜索到，支持模糊、精確查詢，支持聚合等。
Elasticsearch 1.x 和 2.x 中是 string 類型，5.x 之后，分解為 text 和 keyword。
數字類型
long, integer, short, byte, double, float, half_float, scaled_float
日期類型
date
JSON 中沒有日期類型，所以在 ELasticsearch 中，日期類型可以是以下幾種：
日期格式的字符串：e.g. "2015-01-01" or "2015/01/01 12:10:30".
long類型的毫秒數( milliseconds-since-the-epoch)
integer的秒數(seconds-since-the-epoch)
日期格式可以自定義，如果沒有自定義，默認格式如下：
"strict_date_optional_time||epoch_millis"
布爾類型
boolean
true 和 false
二進制類型
binary
范圍類型
integer_range, float_range, long_range, double_range, date_range
復雜數據類型 Complex datatypes
數組類型
Array support does not require a dedicated type
數組支持不需要專用類型
對象類型
object for single JSON objects
單個JSON對象的對象
嵌套類型
nested for arrays of JSON objects
嵌套用於JSON對象數組
地理數據類型 Geo datatypes
地理坐標點類型
geo_point for lat/lon points
用於經緯度坐標點
地理形狀類型
geo_shape for complex shapes like polygons
用於復雜的形狀，比如多邊形
專業數據類型 specialised datatypes
IP 地址數據類型
ip for IPv4 and IPv6 addresses
完成數據類型
completion to provide auto-complete suggestions
completion 提供自動補全建議。
令牌計數數據類型
token_count to count the number of tokens in a string
murmur3 插件類型
murmur3 to compute hashes of values at index-time and store them in the index
通過插件，可以通過 murmur3 來計算 index 的 hash 值。
過濾器類型
Accepts queries from the query-dsl
連接數據類型
Defines parent/child relation for documents within the same index
多字段類型
It is often useful to index the same field in different ways for different purposes. For instance, a string field could be mapped as a text field for full-text search, and as a keyword field for sorting or aggregations. Alternatively, you could index a text field with the standard analyzer, the english analyzer, and the french analyzer.
This is the purpose of multi-fields. Most datatypes support multi-fields via the fields parameter.
2.2 元字段
元字段是映射中描述文檔本身的字段，從大的分類上來看，主要有文檔屬性的元字段、源文檔的元字段、索引的元字段、路由的元字段和自定義元字段。
元字段文檔地址：Meta-Fields
元字段用於定制文檔的相關元數據。元字段的示例包括文檔的_index，_type，_id 和 _source 字段。
文檔屬性的元字段 identity_meta_fields
The index to which the document belongs.
索引標識。
A composite field consisting of the _type and the _id.
由_type和_id組成的復合字段。
The document’s mapping type.
文檔的類型。
The document’s ID.
文檔的id。
源文檔的元字段 Document source meta-fields
The original JSON representing the body of the document.
文檔的原始 JSON 字符串。
The size of the _source field in bytes, provided by the mapper-size plugin.
_source 字段的大小。
索引的元字段 Indexing meta-fieldsedit
A catch-all field that indexes the values of all other fields. Disabled by default.
包含索引全部字段的超級字段。
_all 字段是把其他字段拼接在一起的超級字段，所有的字段內容用空格分開，_all 字段會被解析和索引，但是不存儲。
All fields in the document which contain non-null values.
文檔中包含非空值的所有字段。
路由元字段 Routing meta-fieldedit
A custom routing value which routes a document to a particular shard.
將文檔路由到特定分片的自定義路由值。
其他元字段 Other meta-fieldedit
Application specific metadata.
應用程序特定的元字段，通常用於自定義元字段。
2.3 映射參數
Elasticsearch 提供了足夠多的映射參數對字段的映射進行參數設置，一些常用功能的實現，比如字段的分詞器，字段的權重、日期格式、檢索模型的選擇等都是通過映射參數來配置完成的。
映射參數文檔地址：Mapping parameters
analyzernormalizerboostcoercecopy_todoc_valuesdynamicenabledfielddataeager_global_ordinalsformatignore_aboveignore_malformedindex_optionsindexfieldsnormsnull_valueposition_increment_gappropertiessearch_analyzersimilaritystoreterm_vector
以映射參數 analyzer 為例，在創建索引時指定分詞器，如下：
PUT forum { "mappings": { "article": { "properties": { "id": { "type": "text" }, "title": { "type": "text" }, "postdate": { "type": "date" }, "content": { "type": "text", "analyzer": "ik_max_word" } } } } }
analyzer 指定文本字段的分詞器，對索引和分詞都有效，默認使用標准分詞器，可以指定第三方分詞器，比如 IK 分詞器，如 ik_smart 將使用智能分詞，屬於粗粒度分詞，ik_max_word 是最細粒度分詞。
以映射參數 index 為例，index 屬性指定字段是否參與索引，不索引也就不可搜索，取值可以為 true 或者 false。
Elasticsearch 1.x 和 2.x 之前版本 "index":"not_analyzed"，表示不分詞，在版本 5.x 中提示已經廢棄了 "not_analyzed"，只能是 true 或 false。5.x 中 string 分為兩種類型 keyword，text。如果不想分詞，用 keyword 即可，"the keyword field for not_analyzed exact string values"。
使用如下 API 查詢分詞結果
GET _analyze { "analyzer": "ik_max_word", "text": "中國人" }
返回結果如下：
{ "tokens": [ { "token": "中國人", "start_offset": 0, "end_offset": 3, "type": "CN_WORD", "position": 0 }, { "token": "中國", "start_offset": 0, "end_offset": 2, "type": "CN_WORD", "position": 1 }, { "token": "國人", "start_offset": 1, "end_offset": 3, "type": "CN_WORD", "position": 2 }, { "token": "人", "start_offset": 2, "end_offset": 3, "type": "CN_WORD", "position": 3 } ] }