概要
本篇簡單介紹一下field數據類型mapping的相關知識。
mapping是什么？
前面幾篇的實戰案例，我們向Elasticsearch索引數據時，只是簡單地把JSON文本放在請求體里，至於JSON里的field類型，存儲到ES里是什么類型，中間是怎么做的映射，這個映射過程，就是mapping要解決的問題。
mapping簡單來說，就是解決JSON文本內容到field類型映射關系的定義。將時間域視為時間類型，數字視為數字類型，字符串識別為全文或精確值字符串，這個識別的過程，叫做mapping。
Elasticsearch支持的簡單域類型，類似於Java的基礎數據類型，有如下幾種：
- 字符串：text，keyword
- 整數 : byte, short, integer, long
- 浮點數: float, double
- 布爾型: boolean
- 日期: date
當Elasticsearch收到JSON基本數據類型內容時，使用如下規則進行類型映射：
| JSON type | domain type |
|---|---|
| 布爾型: true 或者 false | boolean |
| 整數: 123 | long |
| 浮點數: 123.45 | double |
| 日期格式的字符串: 2014-09-15 | date |
| 字符串: love you | text |
查看映射
每個索引都可以通過/_mapping查詢各個field的映射結果，ES本身有自動mapping的過程，但mapping后的結果一定要仔細檢查一下。
查詢請求：
GET /music/_mapping/children
響應結果：
{
"music": {
"mappings": {
"children": {
"properties": {
"content": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"language": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
},
"fielddata": true
},
"length": {
"type": "long"
},
"likes": {
"type": "long"
},
"name": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
}
}
mapping中就自動定義了每個field的數據類型，properties下面的是各個field字段的名稱、類型等信息，text類型的還帶一個keyword子field。
數據類型的分詞規則
index在建立時或索引數據時，如果沒有手動指定mapping信息，Elasticsearch會用它的規則自動為我們創建type信息，以及type對應的mapping，mapping中包含了每個field對應的數據類型，以及如何分詞等設置。
不同類型的field，有的是精確搜索(exact value)，有的是全文搜索(full text)。
- exact value，在建立倒排索引的時候，是將整個值一起作為一個關鍵詞建立到倒排索引中的，並且大小寫敏感；
- full text，會經歷各種各樣的處理，分詞，normaliztion（時態轉換，同義詞轉換，大小寫轉換），才會建立到倒排索引中。
在一個搜索請求過來的時候，對exact value field和full text field進行搜索的會與當初建立倒排索引的行為保持一致；比如說exact value搜索的時候，就是直接按照整個值進行匹配，full text query string，也會進行分詞和normalization再去倒排索引中去搜索，這樣才能達到預期的搜索效果。
ES基本的幾種field類型，除了text是使用full text，其他的都是exact value，總結來說mapping，決定了數據類型，建立倒排索引的行為，還有進行搜索的行為。
自定義映射
基本數據類型基本夠用，但是有些數據可能需要自定義映射，尤其是字符串，string類型默認是full text，但是我們可以自己定義分詞器，不同的分詞器，會帶來不一樣的搜索效果，string類型最重要的屬性是index和analyzer。
index
這個屬性控制字符串的索引規則，有三個值可供選擇：
- true：支持索引，並且依據當前類型決定是全文搜索還是精確匹配
- false：不索引
例如：
{
"author": {
"type": "text",
"index": true
}
}
analyzer
這個屬性控制字符串使用的分詞器，在支持中文的系統里，這個屬性經常被用到，各路分詞器大顯身手，都需要用這個屬性來指定，如：
{
"content": {
"type": "text",
"analyzer": "aliws"
}
}
測試映射
我們在建立索引之后，可以通過測試命令來查看不同的field的映射結果，即full text類型的是否有分詞， exact value的是否原樣保留，text的內容可以隨意輸入，當把這個作用工具調試時，可以診斷的內容的分詞情況，舉例如下：
- full text類型
GET /music/_analyze
{
"field": "content",
"text": "let me sleep"
}
結果：
{
"tokens": [
{
"token": "let",
"start_offset": 0,
"end_offset": 3,
"type": "<ALPHANUM>",
"position": 0
},
{
"token": "me",
"start_offset": 4,
"end_offset": 6,
"type": "<ALPHANUM>",
"position": 1
},
{
"token": "sleep",
"start_offset": 7,
"end_offset": 12,
"type": "<ALPHANUM>",
"position": 2
}
]
}
- exact value類型
GET /music/_analyze
{
"field": "content.keyword",
"text": "let me sleep"
}
結果：
{
"tokens": [
{
"token": "let me sleep",
"start_offset": 0,
"end_offset": 12,
"type": "word",
"position": 0
}
]
}
注意一個小細節：Elasticsearch在自動創建text類型時，為full text，但會自動建立一個keywork子field，這個子field是exact value類型的。
小結
本篇主要介紹了一個mapping的概念，基礎數據類型，以及查看映射信息和測試field映射效果的方法，測試映射效果算是一個比較有用的工具，后期實際開發中，遇到需要診斷的內容，可以用這個工具協助排查問題。
專注Java高並發、分布式架構，更多技術干貨分享與心得，請關注公眾號：Java架構社區
