Es 支持 数据类型

• 常用数据类型
• 1)数字类型：
• long, integer, short, byte, double, float, half_float, scaled_float
• 在满足需求的情况下，尽可能选择范围小的数据类型。
• 2)字符串：string：
• keyword：适用于索引结构化的字段，可以用于过滤、排序、聚合。keyword类型的字段只能通过精确值（exact value）搜索到。Id应该用keyword
• text：当一个字段是要被全文搜索的，比如Email内容、产品描述，这些字段应该使用text类型。设置text类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合。（解释一下为啥不会为text创建索引：字段数据会占用大量堆空间，尤其是在加载高基数text字段时。字段数据一旦加载到堆中，就在该段的生命周期内保持在那里。同样，加载字段数据是一个昂贵的过程，可能导致用户遇到延迟问题。这就是默认情况下禁用字段数据的原因）
• 有时，在同一字段中同时具有全文本（text）和关键字（keyword）版本会很有用：一个用于全文本搜索，另一个用于聚合和排序。
• 3) date（时间类型）：exact value
• 4) 布尔类型：boolean
• 5) binary（二进制）：binary
• 6) range（区间类型）：integer_range、float_range、long_range、double_range、date_range
------------------------------------------------------------------------------------------------------------------
• 1) Object：用于单个JSON对象
• 2) Nested：用于JSON对象数组
• ③地理位置：
• 1)Geo-point：纬度/经度积分
• 2)Geo-shape：用于多边形等复杂形状
• ④特有类型：
• 1) IP地址：ip 用于IPv4和IPv6地址
• 2) Completion：提供自动完成建议
• 3) Tocken_count：计算字符串中令牌的数量
• 4) Murmur3：在索引时计算值的哈希并将其存储在索引中
• 5) Annotated-text：索引包含特殊标记的文本（通常用于标识命名实体）
• 6) Percolator：接受来自query-dsl的查询
• 7) Join：为同一索引内的文档定义父/子关系
• 8) Rank features：记录数字功能以提高查询时的点击率。
• 9) Dense vector：记录浮点值的密集向量。
• 10) Sparse vector：记录浮点值的稀疏向量。
• 11) Search-as-you-type：针对查询优化的文本字段，以实现按需输入的完成
• 12) Alias：为现有字段定义别名。
• 13) Flattened：允许将整个JSON对象索引为单个字段。
• 14) Shape：shape 对于任意笛卡尔几何。
• 15) Histogram：histogram 用于百分位数聚合的预聚合数值。
• 16) Constant keyword：keyword当所有文档都具有相同值时的情况的 专业化。