映射 · Elasticsearch權威指南（中文版）

## 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）或精確的字符串值，Elasticsearch需要知道每個字段里面都包含了什么類型。這些類型和字段的信息存儲（包含）在映射（mapping）中。正如《數據吞吐》一節所說，索引中每個文檔都有一個**類型(type)**。每個類型擁有自己的**映射(mapping)**或者**模式定義(schema definition)**。一個映射定義了字段類型，每個字段的數據類型，以及字段被Elasticsearch處理的方式。映射還用于設置關聯到類型上的元數據。在《映射》章節我們將探討映射的細節。這節我們只是帶你入門。 ### 核心簡單字段類型 Elasticsearch支持以下簡單字段類型： |類型 | 表示的數據類型 | |----------------|------------------------------------| |String | `string` | |Whole number | `byte`, `short`, `integer`, `long`| |Floating point | `float`, `double` | |Boolean | `boolean` | |Date | `date` | 當你索引一個包含新字段的文檔——一個之前沒有的字段——Elasticsearch將使用動態映射猜測字段類型，這類型來自于JSON的基本數據類型，使用以下規則： |JSON type | Field type | |-----------------------------------|------------------------| |Boolean: `true` or `false` | `"boolean"` | |Whole number: `123` | `"long"` | |Floating point: `123.45` | `"double"` | |String, valid date: `"2014-09-15"` | `"date"` | |String: `"foo bar"` | `"string"` | > ### 注意 > 這意味著，如果你索引一個帶引號的數字——`"123"`，它將被映射為`"string"`類型，而不是`"long"`類型。然而，如果字段已經被映射為`"long"`類型，Elasticsearch將嘗試轉換字符串為long，并在轉換失敗時會拋出異常。 ### 查看映射我們可以使用`_mapping`后綴來查看Elasticsearch中的映射。在本章開始我們已經找到索引`gb`類型`tweet`中的映射： ```javascript GET /gb/_mapping/tweet ``` 這展示給了我們字段的映射（叫做**屬性(properties)**），這些映射是Elasticsearch在創建索引時動態生成的： ```javascript { "gb": { "mappings": { "tweet": { "properties": { "date": { "type": "date", "format": "strict_date_optional_time||epoch_millis" }, "name": { "type": "string" }, "tweet": { "type": "string" }, "user_id": { "type": "long" } } } } } } ``` > ### 小提示 > 錯誤的映射，例如把`age`字段映射為`string`類型而不是`integer`類型，會造成查詢結果混亂。 > 要檢查映射類型，而不是假設它是正確的！ ### 自定義字段映射雖然大多數情況下基本數據類型已經能夠滿足，但你也會經常需要自定義一些特殊類型（fields），特別是字符串字段類型。自定義類型可以使你完成以下幾點： * 區分全文（full text）字符串字段和準確字符串字段（譯者注：就是分詞與不分詞，全文的一般要分詞，準確的就不需要分詞，比如『中國』這個詞。全文會分成『中』和『國』，但作為一個國家標識的時候我們是不需要分詞的，所以它就應該是一個準確的字符串字段）。 * 使用特定語言的分析器（譯者注：例如中文、英文、阿拉伯語，不同文字的斷字、斷詞方式的差異） * 優化部分匹配字段 * 指定自定義日期格式（譯者注：這個比較好理解,例如英文的 `Feb,12,2016` 和中文的 `2016年2月12日`） * 以及更多映射中最重要的字段參數是`type`。除了`string`類型的字段，你可能很少需要映射其他的`type`： ```javascript { "number_of_clicks": { "type": "integer" } } ``` `string`類型的字段，默認的，考慮到包含全文本，它們的值在索引前要經過分析器分析，并且在全文搜索此字段前要把查詢語句做分析處理。對于`string`字段，兩個最重要的映射參數是`index`和`analyer`。 ### `index` `index`參數控制字符串以何種方式被索引。它包含以下三個值當中的一個： |值 |解釋 | |--------------|--------------------------------------| |`analyzed` |首先分析這個字符串，然后索引。換言之，以全文形式索引此字段。 | |`not_analyzed`|索引這個字段，使之可以被搜索，但是索引內容和指定值一樣。不分析此字段。 | |`no` |不索引這個字段。這個字段不能為搜索到。| `string`類型字段默認值是`analyzed`。如果我們想映射字段為確切值，我們需要設置它為`not_analyzed`： ```javascript { "tag": { "type": "string", "index": "not_analyzed" } } ``` > 其他簡單類型（`long`、`double`、`date`等等）也接受`index`參數，但相應的值只能是`no`和`not_analyzed`，它們的值不能被分析。 ### 分析對于`analyzed`類型的字符串字段，使用`analyzer`參數來指定哪一種分析器將在搜索和索引的時候使用。默認的，Elasticsearch使用`standard`分析器，但是你可以通過指定一個內建的分析器來更改它，例如`whitespace`、`simple`或`english`。 ```javascript { "tweet": { "type": "string", "analyzer": "english" } } ``` 在《自定義分析器》章節我們將告訴你如何定義和使用自定義的分析器。 ### 更新映射你可以在第一次創建索引的時候指定映射的類型。此外，你也可以晚些時候為新類型添加映射（或者為已有的類型更新映射）。 > ### 重要 > 你可以向已有映射中**增加**字段，但你不能**修改**它。如果一個字段在映射中已經存在，這可能意味著那個字段的數據已經被索引。如果你改變了字段映射，那已經被索引的數據將錯誤并且不能被正確的搜索到。我們可以更新一個映射來增加一個新字段，但是不能把已有字段的類型那個從`analyzed`改到`not_analyzed`。為了演示兩個指定的映射方法，讓我們首先刪除索引`gb`： ```sh DELETE /gb ``` 然后創建一個新索引，指定`tweet`字段的分析器為`english`： ```javascript PUT /gb <1> { "mappings": { "tweet" : { "properties" : { "tweet" : { "type" : "string", "analyzer": "english" }, "date" : { "type" : "date" }, "name" : { "type" : "string" }, "user_id" : { "type" : "long" } } } } } ``` `<1>` 這將創建包含`mappings`的索引，映射在請求體中指定。再后來，我們決定在`tweet`的映射中增加一個新的`not_analyzed`類型的文本字段，叫做`tag`，使用`_mapping`后綴: ```javascript PUT /gb/_mapping/tweet { "properties" : { "tag" : { "type" : "string", "index": "not_analyzed" } } } ``` 注意到我們不再需要列出所有的已經存在的字段，因為我們沒法修改他們。我們的新字段已經被合并至存在的那個映射中。 ### 測試映射你可以通過名字使用`analyze` API測試字符串字段的映射。對比這兩個請求的輸出： ```javascript GET /gb/_analyze?field=tweet&text=Black-cats <1> GET /gb/_analyze?field=tag&text=Black-cats <2> ``` `<1>` `<2>` 我們想要分析的文本被放在請求體中。 `tweet`字段產生兩個詞，`"black"`和`"cat"`,`tag`字段產生單獨的一個詞`"Black-cats"`。換言之，我們的映射工作正常。