ElasticSearch 映射field(列名or域名)配置

面试：你懂什么是分布式系统吗？Redis分布式锁都不会？>>>   

1. 映射的维护方法

1.1 查询所有索引的映射：

GET： http://localhost:9200/_mapping

1.2 创建映射

post 请求：http://localhost:9200/xc_course/doc/_mapping

1.3 更新映射*

映射创建成功可以添加新字段，已有字段不允许更新。

1.4 删除映射

通过删除索引来删除映射。

2. 常用映射类型

下图是ES6.2核心的字段类型如下：

2.1 text文本字段

字符串包括text和keyword两种类型：

1、text

1）analyzer

通过analyzer属性指定分词器。
下边指定name的字段类型为text，使用ik分词器的ik_max_word分词模式。

"name": {
	"type": "text",
	"analyzer":"ik_max_word"
}

上边指定了analyzer是指在索引和搜索都使用ik_max_word，如果单独想定义搜索时使用的分词器则可以通过search_analyzer属性。

对于ik分词器建议是索引时使用ik_max_word将搜索内容进行细粒度分词，搜索时使用ik_smart提高搜索精确性。

"name": {
	"type": "text",
	"analyzer":"ik_max_word",
	"search_analyzer":"ik_smart"
}

2）index

通过index属性指定是否索引。
默认为index=true，即要进行索引，只有进行索引才可以从索引库搜索到。 但是也有一些内容不需要索引，比如：商品图片地址只被用来展示图片，不进行搜索图片，此时可以将index设置为false。
删除索引，重新创建映射，将pic的index设置为false，尝试根据pic去搜索，结果搜索不到数据。

"pic": {
	"type": "text",
	"index":false
}

pic图片地址不进行分词搜索，只用于存储。

3）store

是否在source之外存储，每个文档索引后会在 ES中保存一份原始文档，存放在"_source"中，一般情况下不需要设置store为true，因为在_source中已经有一份原始文档了。

2.2 keyword关键字字段

上边介绍的text文本字段在映射时要设置分词器，keyword字段为关键字字段，通常搜索keyword是按照整体搜索，所以创建keyword字段的索引时是不进行分词的，比如：邮政编码、手机号码、身份证等。keyword字段通常用于过虑、排序、聚合等。

2.3 date日期类型

日期类型不用设置分词器。
通常日期类型的字段用于排序。

1)format

通过format设置日期格式

例子：

{
	"properties": {
		"timestamp": {
			"type": "date",
			"format": "yyyy‐MM‐dd HH:mm:ss||yyyy‐MM‐dd"
		}
	}
}

2.4 数值类型

下边是ES支持的数值类型

1、尽量选择范围小的类型，提高搜索效率。
2、对于浮点数尽量用比例因子，比如一个价格字段，单位为元，我们将比例因子设置为100这在ES中会按 分 存储，映射如下：

"price": {
	"type": "scaled_float",
	"scaling_factor": 100
}

由于比例因子为100，如果我们输入的价格是23.45则ES中会将23.45乘以100存储在ES中。
如果输入的价格是23.456，ES会将23.456乘以100再取一个接近原始值的数，得出2346。
使用比例因子的好处是整型比浮点型更易压缩，节省磁盘空间。
如果比例因子不适合，则从下表选择范围小的去用：

2.5 综合例子

创建如下映射
post：http://localhost:9200/xc_course/doc/_mapping

{
	"properties": {
		"description": {
			"type": "text",
			"analyzer": "ik_max_word",
			"search_analyzer": "ik_smart"
		},
		"name": {
			"type": "text",
			"analyzer": "ik_max_word",
			"search_analyzer": "ik_smart"
		},
		"pic":{
			"type":"text",
			"index":false
		},
		"price": {
			"type": "float"
		},
		"studymodel": {
			"type": "keyword"
		},
		"timestamp": {
			"type": "date",
			"format": "yyyy‐MM‐dd HH:mm:ss||yyyy‐MM‐dd||epoch_millis"
		}
	}
}