Elasticsearch7.X Mapping 常見字段類型整理

1、核心數據類型

• 字符串：text, keyword
• 數值型：long, integer, short, byte, double, float, half_float, scaled_float
• 布爾型：boolean
• 日期型：date, date_nanos
• 二進制：binary
• 範圍型：integer_range, float_range, long_range, double_range, date_range

1. 字符串

text

text 類型的字段數據會被分詞，在生成倒排索引之前，字符串會被分詞器分紅一個一個詞項。
text 類型的字段不用於排序，不多用於聚合(termsAggregation除外)。
若是一個字段須要被全文搜索或模糊匹配，好比文章內容、產品描述、新聞內容等，應該使用text類型。

keyword

keyword 類型的字段內容不會被分詞。
keyword 類型的字段只能經過精確值搜索到，用於過濾、排序、聚合。
適用於索引結構化的字段，好比IP地址、性別和地區等。

2. 數值型

整數

類型	最小值	最大值	說明
byte	-128	127	8 位有符號整數（1個字節），至關於MySQL中有符號的 tinyint
short	-32768	32767	16 位有符號整數（2個字節），至關於MySQL中有符號的 smallint
integer	-2147483648 (-2^31^)	2147483647 (2^31^-1)	32 位有符號整數（4個字節），至關於MySQL中有符號的 int
long	-9223372036854775808) (-2^63^)	9223372036854775807 (2^63^-1)	64 位有符號整數（8個字節），至關於MySQL中有符號的 bigint

對於整數類型的字段，在知足需求的狀況下，要儘量選擇範圍小的數據類型。好比某個字段的取值最大值不會超過100，那麼選擇byte類型便可。迄今爲止,吉尼斯世界記錄的人類的年齡的最大值爲134歲，對於年齡字段，short足矣。字段的長度越短，索引和搜索的效率越高。

小數

類型	最小值	最大值	說明
half_float	2^-24^	65504	16位半精度浮點數
float	2^-149^	(2-2^-23^)·2^127^	32位單精度浮點數
double	2^-1074^	(2-2^-52^)·2^1023^	64位雙精度浮點數
scaled_float			縮放類型浮點數

處理浮點數時，優先考慮使用scaled float類型。scaled float 是經過縮放因子把浮點數變成long類型，好比價格只須要精確到分，price字段的取值爲57.34，設置放大因子爲100，存儲起來就是5734，全部的API都會把price的取值看成浮點數，事實上Elasticsearch底層存儲的是整數類型，由於壓縮整數比壓縮浮點數更加節省存儲空間。

3. 布爾型

若是一個字段是布爾類型，可接受的值爲 true, false。
Elasticsearch 5.4版本之前，能夠接受可被解釋爲 true 或 false 的字符串和數字。
5.4版本之後只接受 true, false, "true", "false"。

4. 日期型

date

JSON 沒有日期型數據類型，因此在Elasticsearch中，日期能夠是：

• 包含格式化日期的字符串，例如"2015-01-01"或者"2015/01/01 12:10:30"
• 表明時間毫秒數的長整型數字。
• 表明時間秒數的整數。

Elasticsearch內部會把日期轉換爲 UTC （世界標準時間），並將其存儲爲表明時間毫秒數的長整數。
日期格式能夠自定義，若是沒有指定格式，則使用默認值：

"strict_date_optional_time||epoch_millis"

這種狀況下能夠解析下面三種日期格式：

"2020-05-01"
"2020-05-01T12:10:30Z"
1591234567890

date_nanos

此數據類型是對日期數據類型的補充。現有的 date 類型能夠存儲毫秒級時間。而 date_nanos 能夠存儲納秒級時間。

5. 二進制

binary

二進制數據類型接受Base64編碼字符串的二進制值。字段不以默認方式存儲並且不能搜索。
Base64編碼二進制值不能嵌入換行符\n

6. 範圍型

類型	說明
integer_range	32 位有符號整數的範圍值，-2^31^ ~ 2^31^-1
long_range	62 位有符號整數的範圍值，-2^63^ ~ 2^63^-1
float_range	32位單精度浮點數範圍值
double_range	64位單精度浮點數範圍值
date_range	以64位無符號整數形式表示的日期值範圍
ip_range	IPv4 或 IPv6 的範圍值

2、複合數據類型

1. 對象類型

object

用於存儲單個JSON對象。
JSON本質上具備層級關係，文檔包含內部對象，內部對象自己還能夠包含內部對象。

2. 嵌套類型

nested

用於存儲多個JSON對象組成的數組。
nested 類型是 object 類型中的一個特例，可讓對象數組獨立索引和查詢。Lucene沒有內部對象的概念，因此Elasticsearch將對象層次扁平化，轉化成字段名字和值構成的簡單列表。

3、地理位置類型

1. 地理座標類型

geo_point

用於存儲經緯度座標對，可用來
查找必定範圍內的地理點,這個範圍能夠是相對於一箇中心點的固定距離,也能夠是多邊形或者地理散列單元。
經過地理位置或者相對於中心點的距離聚合文檔。
整合距離到文檔的相關性評分中。

用於存儲地理位置信息的經緯度座標對，可用於如下幾種場景：

• 查找必定範圍內的地理位置。
• 經過地理位置或者相對中心點的距離來聚合文檔。
• 把距離因素整合到文檔的評分中。
• 經過距離對文檔排序。

2. 地理形狀類型

geo_shape

地理形狀數據類型有利於索引和搜索任意地理形狀，例如矩形、三角形或者其餘多邊形。不管是數據被索引仍是在查詢執行的過程當中，均可以使用地理形狀數據類型在地理點的基礎上包含地理形狀。
Elasticsearch 使用 GeoJSON 格式來表示地理形狀。
GeoJSON 是一種對各類地理數據結構進行編碼的格式，對象能夠表示幾何、特徵或者特徵集合,支持點、線、面、多點、多線、多面等幾何類型。
GeoJSON 裏的特徵包含一個幾何對象和其餘屬性，特徵集合表示一系列特徵。
想了解更多關於 GeoJSON 的資料可參考《GeoJSON格式規範說明》

4、特殊類型

IP

IP地址類型，存儲 IPv4 和 IPv6 地址

Completion datatype

completion 提供自動補全建議

Token count

token_count 用於統計字符串分詞後的詞項個數，本質上是一個整數型字段。
例如：映射中指定 name 爲 text 類型，增長 name_length 字段用於統計分詞後詞項的長度，類型爲 token_count，分詞器爲標準分詞器。

mapper-murmur3

murmur3 在索引時計算值的哈希值並將它們存儲在索引中

mapper-annotated-text

annotated-text 索引包含特殊標記的文本（一般用於標識命名實體）

Percolator

接受來自 query-dsl 的查詢

Join

爲同一索引中的文檔定義父/子關係

Rank feature

Rank features

排名功能，記錄數字特性以提升查詢時的命中率

Dense vector

密集向量，記錄浮點值的密集向量

Sparse vector

稀疏向量，記錄浮點值的稀疏向量

Search-as-you-type

按類型搜索，相似文本的字段，爲查詢進行優化，以實現按類型完成

Alias

別名，定義現有字段的別名

Flattened

容許將整個JSON對象做爲單個字段編入索引。

Shape

shape for arbitrary cartesian geometries.

Histogram

histogram for pre-aggregated numerical values for percentiles aggregations.

5、數組類型

數組類型不須要專門指定數組元素的類型，任何字段類型均可以包含在數組內，可是數組中的全部值必須具備相同的數據類型。

• 字符型數組: ["one", "two"]
• 整型數組：[1, 2]
• 數組型數組：[1, [2, 3]] 等同於 [1, 2, 3]
• 對象數組：[{"name": "Mary", "age": 12}, {"name": "John", "age": 10}]

參考文獻：

官方文檔v7.6：字段數據類型《從Lucene到Elasticsearch全文檢索實戰》《Elasticsearch技術解析與實戰》