前言
我們已經自由奔放夠了！
我們應該知道，在關系型數據庫中，必須先定義表結構，才能插入數據，並且，表結構不會輕易改變。而我們呢，我們怎么玩elasticsearch的呢：
PUT t1/doc/1
{
"name": "小黑"
}
PUT t1/doc/2
{
"name": "小白",
"age": 18
}
文檔的字段可以是任意的，原本都是name字段，突然來個age。還要elasticsearch自動去猜，哦，可能是個long類型，然后加個映射！之后發什么什么？肯定是：猜猜猜，猜你妹！
難道你不想知道elasticsearch內部是怎么玩的嗎？
當我們執行上述第一條PUT命令后，elasticsearch到底是怎么做的：
GET t1
結果：
{
"t1" : {
"aliases" : { },
"mappings" : {
"doc" : {
"properties" : {
"name" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
}
},
"settings" : {
"index" : {
"creation_date" : "1553334893136",
"number_of_shards" : "5",
"number_of_replicas" : "1",
"uuid" : "lHfujZBbRA2K7QDdsX4_wA",
"version" : {
"created" : "6050499"
},
"provided_name" : "t1"
}
}
}
}
由返回結果可以看到，分為兩大部分，第一部分關於t1索引類型相關的，包括該索引是否有別名aliases，然后就是mappings信息，包括索引類型doc，各字段的詳細映射關系都收集在properties中。
另一部分是關於索引t1的settings設置。包括該索引的創建時間，主副分片的信息，UUID等等。
我們再執行第二條PUT命令，再查看該索引是否有什么變化，返回結果如下：
{
"t1" : {
"aliases" : { },
"mappings" : {
"doc" : {
"properties" : {
"age" : {
"type" : "long"
},
"name" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
}
},
"settings" : {
"index" : {
"creation_date" : "1553334893136",
"number_of_shards" : "5",
"number_of_replicas" : "1",
"uuid" : "lHfujZBbRA2K7QDdsX4_wA",
"version" : {
"created" : "6050499"
},
"provided_name" : "t1"
}
}
}
}
由返回結果可以看到，settings沒有變化，只是mappings中多了一條關於age的映射關系，這一切都是elasticsearch自動的，但特定的場景下，需要我們更多的設置。
所以，接下來，我們研究一下mappings這個小老弟，到底是怎么回事！
映射是什么？
其實，映射mappings沒那么神秘！說白了，就相當於原來由elasticsearch自動幫我們定義表結構。現在，我們要自己來了，旨在創建索引的時候，有更多定制的內容，更加的貼合業務場景。OK，坐好了，開車！
elasticsearch中的映射用來定義一個文檔及其包含的字段如何存儲和索引的過程。例如，我們可以使用映射來定義：
- 哪些字符串應該被視為全文字段。
- 哪些字段包含數字、日期或者地理位置。
- 定義日期的格式。
- 自定義的規則，用來控制動態添加字段的的映射。
身為吃瓜群眾的小老弟，不懂沒關系，往下走！
映射類型
每個索引都有一個映射類型（這話必須放在elasticsearch6.x版本后才能說，之前版本一個索引下有多個類型），它決定了文檔將如何被索引。
映射類型有：
- 元字段（meta-fields）：元字段用於自定義如何處理文檔關聯的元數據，例如包括文檔的
_index、_type、_id和_source字段。 - 字段或屬性（field or properties）：映射類型包含與文檔相關的字段或者屬性的列表。
還不懂，沒關系，繼續往下走！
字段的數據類型
- 簡單類型，如文本（
text）、關鍵字（keyword）、日期（date）、整形（long）、雙精度（double）、布爾（boolean）或ip。 - 可以是支持
JSON的層次結構性質的類型，如對象或嵌套。 - 或者一種特殊類型，如
geo_point、geo_shape或completion。
為了不同的目的，以不同的方式索引相同的字段通常是有用的。例如，字符串字段可以作為全文搜索的文本字段進行索引，也可以作為排序或聚合的關鍵字字段進行索引。或者，可以使用標准分析器、英語分析器和法語分析器索引字符串字段。
這就是多字段的目的。大多數數據類型通過fields參數支持多字段。
映射約束
在索引中定義太多的字段有可能導致映射爆炸！因為這可能會導致內存不足以及難以恢復的情況，為此。我們可以手動或動態的創建字段映射的數量：
- index.mapping.total_fields.limit：索引中的最大字段數。字段和對象映射以及字段別名都計入此限制。默認值為1000。
- index.mapping.depth.limit：字段的最大深度，以內部對象的數量來衡量。例如，如果所有字段都在根對象級別定義，則深度為1.如果有一個子對象映射，則深度為2，等等。默認值為20。
- index.mapping.nested_fields.limit：索引中嵌套字段的最大數量，默認為50.索引1個包含100個嵌套字段的文檔實際上索引101個文檔，因為每個嵌套文檔都被索引為單獨的隱藏文檔。
一個簡單的映射示例
PUT mapping_test1
{
"mappings": {
"test1":{
"properties":{
"name":{"type": "text"},
"age":{"type":"long"}
}
}
}
}
上例中，我們在創建索引PUT mapping_test1的過程中，為該索引定制化類型（設計表結構），添加一個映射類型test1；指定字段或者屬性都在properties內完成。
GET mapping_test1
通過GET來查看。
{
"mapping_test1" : {
"aliases" : { },
"mappings" : {
"test1" : {
"properties" : {
"age" : {
"type" : "long"
},
"name" : {
"type" : "text"
}
}
}
},
"settings" : {
"index" : {
"creation_date" : "1550469220778",
"number_of_shards" : "5",
"number_of_replicas" : "1",
"uuid" : "7I_m_ULRRXGzWcvhIZoxnQ",
"version" : {
"created" : "6050499"
},
"provided_name" : "mapping_test1"
}
}
}
}
返回的結果中你肯定很熟悉！映射類型是test1，具體的屬性都被封裝在properties中。而關於settings的配置，我們暫時不管它。
我們為這個索引添加一些數據：
put mapping_test1/test1/1
{
"name":"張開嘴",
"age":16
}
上例中，mapping_test1是之前創建的索引，test1為之前自定義的mappings類型。字段是之前創建好的name和age。
GET mapping_test1/test1/_search
{
"query": {
"match": {
"age": 16
}
}
}
上例中，我們通過age條件查詢。
{
"took" : 1,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 1.0,
"hits" : [
{
"_index" : "mapping_test1",
"_type" : "test1",
"_id" : "1",
"_score" : 1.0,
"_source" : {
"name" : "張開嘴",
"age" : 16
}
}
]
}
}
返回了預期的結果信息。
歡迎斧正，that's all