Elasticsearch权威指南：类型与映射机制深度解析

Elasticsearch权威指南：类型与映射机制深度解析

elasticsearch-definitive-guide The Definitive Guide to Elasticsearch 项目地址: https://gitcode.com/gh_mirrors/el/elasticsearch-definitive-guide

理解Elasticsearch中的类型概念

在Elasticsearch中，类型(Type)代表一类相似的文档。每个类型由名称(如user或blogpost)和映射(Mapping)组成。映射类似于数据库模式，它描述了该类型文档可能包含的字段或属性，每个字段的数据类型(如字符串、整数或日期)，以及这些字段应如何被Lucene索引和存储。

类型作为抽象概念，对于划分相似但不完全相同的数据非常有用。但由于Lucene底层的工作机制，类型的使用也存在一些限制。

Lucene视角下的文档结构

从Lucene的角度来看，文档只是简单的字段-值对列表。每个字段至少需要一个值，但可以包含多个值。字符串值在分析过程中可能被转换为多个值。Lucene并不关心值是字符串、数字还是日期——所有值都被视为不透明的字节序列。

当我们在Lucene中索引文档时，每个字段的值会被添加到相应字段的倒排索引中。原始值也可以选择性地原样存储，以便后续检索。

Elasticsearch类型的实现机制

Elasticsearch的类型建立在这个简单基础之上。一个索引可以包含多个类型，这些类型的文档可以存储在同一索引中。

由于Lucene本身没有文档类型的概念，Elasticsearch通过元数据字段_type来存储每个文档的类型名称。当我们搜索特定类型的文档时，Elasticsearch只需在_type字段上应用过滤器来限制结果。

映射是Elasticsearch用来将复杂的JSON文档转换为Lucene期望的简单扁平文档的中间层。例如，user类型中name字段的映射可能声明该字段是字符串类型，并且在被索引到名为name的倒排索引之前，应该使用whitespace分析器进行分析。

类型使用中的陷阱与解决方案

一个有趣的问题是：如果两个不同类型中存在同名但映射不同的字段(例如一个是字符串类型，另一个是数字类型)，会发生什么？

简短的回答是：这会导致问题，Elasticsearch根本不允许定义这样的映射，在尝试配置时会抛出异常。

深层原因是：每个Lucene索引包含所有字段的单一扁平模式。特定字段只能被映射为一种类型(字符串或数字)，不能同时是两种类型。由于类型是Elasticsearch在Lucene之上添加的机制(通过元数据_type字段实现)，Elasticsearch中的所有类型最终共享相同的映射。

例如，假设data索引中有两个类型people和transactions，每个类型定义了两个字段。表面上看它们是独立的，但在底层，Lucene会创建一个单一的全局映射模式。这就是为什么两个类型不能定义冲突字段的原因——Lucene在扁平化映射时会无所适从。

类型使用的最佳实践

从技术上讲，只要字段不冲突(要么字段互斥，要么字段完全相同)，多个类型可以共存于同一索引中。

但实际应用中，重要经验是：当需要区分同一集合中的不同片段时，类型非常有用。这些不同片段的数据"形状"应该相同或非常相似。

类型并不适合存储完全不同类型的数据。如果两种类型的字段集互斥，意味着索引中一半将包含"空"值(字段将变得稀疏)，最终会导致性能问题。这种情况下，使用两个独立的索引是更好的选择。

总结最佳实践：

• 推荐做法：在products索引中包含kitchen和lawn-care类型，因为这两种类型本质上是相同的模式
• 不推荐做法：在data索引中包含products和logs类型，因为这两种类型互斥。应该将它们分离到各自的索引中

理解这些底层机制将帮助您更好地设计Elasticsearch数据模型，避免性能问题，并充分利用Elasticsearch的强大功能。

elasticsearch-definitive-guide The Definitive Guide to Elasticsearch 项目地址: https://gitcode.com/gh_mirrors/el/elasticsearch-definitive-guide