ElasticSearch 的 mapping 参数 - fields

概要

在 es 中,一个字段可能运用于不同的场景,但是某个字段类型的使用场景是有局限的

下面,我们先来看一段 es 查询语句:

复制代码
$must = [
            "bool" => [
                "should" => [
                    [
                        "range" => [
                            "user_id.raw" => [
                                "gt" => 0
                            ]
                        ]
                    ],
                    [
                        "bool" => [
                            "filter" => [
                                [
                                    "term" => [
                                        'user_id' => 0
                                    ]
                                ],
                                ...
                            ]
                        ]
                    ],
                ],
                "minimum_should_match" => 1
            ]
        ];

由上面的 es 查询语句可以看到,user_id 用于不同的过滤规则,我们看下 es 索引中关于此字段的定义:

Fields 的作用

在 es 中,一个字段可能运用于不同的场景,但是某个字段类型的使用场景是有局限的。这就是 mapping 参数 - fields 的设计用途所在。

fields:多字段特性 让一个字段拥有多个子字段类型,使得一个字段能够被多个不同的索引方式进行索引。

例一:

复制代码
PUT index_name
{
  "mappings": {         # 设置 mappings
    "properties": {     # 属性,固定写法
      "city": {         # 字段名
        "type": "text", # city 字段的类型为 text
        "fields": {     # 多字段域,固定写法
          "raw": {      # 子字段名称
            "type":  "keyword"  # 子字段类型
          }
        }
      }
    }
  }
}

说明:fields 可以让同一文本有多种不同的索引方式,比如上面所示一个 String 类型的字段 city,可以使用 text 类型做全文检索,使用 keyword 类型做聚合和排序。

例二:

复制代码
PUT index_name
{
  "mappings": {
    "properties": {
      "title": {               # 字段名称
        "type": "text",        # 字段类型
        "analyzer": "english", # 字段分词器
        "fields": {            # 多字段域,固定写法
          "std": {             # 子字段名称
            "type": "text",    # 子字段类型
            "analyzer": "standard"  # 子字段分词器
           }
        }
      }
    }
  }
}

例三:

PUT index_name
{
  "mappings": {         # 设置 mappings
    "properties": {     # 属性,固定写法
      "user_id": {         # 字段名
        "type": "keyword", # user_id 字段的类型为 keyword
        "fields": {     # 多字段域,固定写法
          "raw": {      # 子字段名称
            "type":  "integer"  # 子字段类型
          }
        }
      }
    }
  }
}

说明:fields 可以让同一文本有多种不同的索引方式,比如上面所示一个 String 类型的字段 user_id,可以使用 keyword 类型做聚合和排序,使用 integer 来做范围查询,又由于 integer 作为范围较小的数据类型, 字段的长度也相对较短,使用它可以提高索引和搜索的效率。

相关推荐
TDengine (老段)2 小时前
TDengine 使用最佳实践(2)
大数据·数据库·物联网·时序数据库·iot·tdengine·涛思数据
Deng9452013142 小时前
基于大数据的电力系统故障诊断技术研究
大数据·matplotlib·深度特征提取·随机森林分类算法·标签编码
小菜鸡06265 小时前
FlinkSQL通解
大数据·flink
寅鸷6 小时前
es里为什么node和shard不是一对一的关系
大数据·elasticsearch
码字的字节7 小时前
深入解析Hadoop架构设计:原理、组件与应用
大数据·hadoop·分布式·hadoop架构设计
MZ_ZXD0019 小时前
flask校园学科竞赛管理系统-计算机毕业设计源码12876
java·spring boot·python·spring·django·flask·php
阿里云大数据AI技术10 小时前
云上AI推理平台全掌握 (3):服务接入与全球调度
大数据·人工智能·深度学习
LuckyLay10 小时前
1.1.5 模块与包——AI教你学Django
python·django·sqlite
LuckyLay10 小时前
Django专家成长路线知识点——AI教你学Django
后端·python·django
时序数据说10 小时前
如何选择时序数据库:关键因素与实用指南
大数据·数据库·物联网·时序数据库·iotdb