Elasticsearch Mapping设计与电商应用实战指南（新手指南）

Elasticsearch Mapping设计与电商应用实战指南（新手指南）

本文将以电商场景的订单/商品搜索为例，带你系统掌握ES核心概念。即使零基础也能通过本文理解复杂mapping配置背后的设计思想。（全文约2500字，建议收藏精读）

---

一、ES文件结构全景解析

1.1 索引层级结构

bash

代码解读

复制代码

PUT product # 创建名为product的索引（相当于数据库） { "mappings": { # 定义索引结构（相当于表结构） "properties": { # 字段定义区（相当于列定义） "spuName": { # 字段名 "type": "text", # 字段类型 "analyzer": "ik_max_word" # 分词器配置 } } } }

1.2 核心配置区域

• type：决定数据存储方式（如text/keyword/long）
• index：控制是否创建索引（默认true）
• doc_values：控制列式存储（默认true）
• fields：实现多字段类型（如同时支持text和keyword）

---

二、电商场景关键技术拆解

2.1 嵌套对象实战（Nested Type）

问题场景：订单中的商品列表需要独立查询

json

代码解读

复制代码

"orderItems": { "type": "nested", // 关键配置 "properties": { "spuName": {"type": "text"} } }

对比实验：

• 普通object类型："spuName:手机"会错误匹配到多个商品
• nested类型：精确匹配单个子文档

查询示例：

json

代码解读

复制代码

{ "query": { "nested": { "path": "orderItems", "query": { "term": {"orderItems.spuName": "旗舰手机"} } } } }

2.2 中文分词深度配置

IK分词器对比：

text

代码解读

复制代码

原始文本："进口有机纯牛奶" ik_max_word ➔ 进口/有机/纯牛奶/牛奶（最大粒度切分） ik_smart ➔ 进口/有机/纯牛奶（智能切分）

典型配置：

json

代码解读

复制代码

"shopName": { "type": "text", "analyzer": "ik_max_word", // 索引时细粒度分词 "search_analyzer": "ik_smart" // 搜索时粗粒度匹配 }

效果验证：

bash

代码解读

复制