1、概念：mapping就是ES数据字段field的type元数据，ES在创建索引的时候，dynamic mapping会自动为不同的数据指定相应mapping，mapping中包含了字段的类型、搜索方式（exact value或者full text）、分词器等。
2、查看mapping：GET /product/_mapping
3、Dynamic mapping
① “Elasticsearch”：text/keyword
② 123456 => long
③ 123.123 => double
④ true false => boolean
⑤ 2020-05-20 => date
为啥price是long类型而不是integer？
因为es的mapping_type是由JSON分析器检测数据类型，而Json没有隐式类型转（integer=>long or float=> double）,所以dynamic mapping会选择一个比较宽的数据类型。
4、搜索方式
① exact value 精确匹配：在倒排索引过程中，分词器会将field作为一个整体创建到索引中
② full text全文检索：分词、近义词同义词、混淆词、大小写、词性、过滤、时态转换等（normaliztion）
5、ES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字符串类型：keyword、text
a.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
b.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：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
6、复杂类型：
①Object：用于单个JSON对象
②Nested：用于JSON对象数组
7、创建mapping：
PUT /product3 { "mappings": { "properties": { "date": { "type": "text" }, "desc": { "type": "text", }, "name": { "type": "text", }, "price": { "type": "long" }, "tags": { "type": "text", }, "parts": { "type": "object" }, "partlist": { "type": "nested" } } } }
8、Mapping parameters
①index：是否对创建对当前字段创建索引，默认true，如果不创建索引，该字段不会通过索引被搜索到，但是仍然会在source元数据中展示
②analyzer:指定分析器（character filter、tokenizer、Token filters）。
③boost：对当前字段相关度的评分权重，默认1
④coerce：是否允许强制类型转换 true “1”=> 1 false “1”=< 1
⑤copy_to：
"field": {
"type": "text",
"copy_to": "other_field_name"
}
⑥doc_values：为了提升排序和聚合效率，默认true，如果确定不需要对字段进行排序或聚合，也不需要通过脚本访问字段值，则可以禁用doc值以节省磁盘空间（不支持text和annotated_text）
二、聚合查询
1、 语法:
aggs:{
code...
}
GET /product/_search { "aggs": { "tag_agg_group": { "terms": { "field": "tags.keyword" } } }, "size": 0 }
2、统计价格大于1999的数据
GET /product/_search { "query": { "bool": { "filter": [ { "range": { "price": { "gt": 1999 } } } ] } }, "aggs": { "tag_agg_group": { "terms": { "field": "tags.keyword" } } }, "size": 0 }
(4) “avg”：价格大于1999的每个tag产品的平均价格
GET /product/_search { "aggs": { "avg": { "terms": { "field": "tags.keyword", "order": { "avg_price": "desc" } }, "aggs": { "avg_price": { "avg": { "field": "price" } } } } }, "size": 0 }
(5) 分组聚合
按照千元机：1000以下 中端机：2000-3000 高端机：3000以上分组聚合，分别计算数量
GET /product/_search { "aggs": { "tag_agg_group": { "range": { "field": "price", "ranges": [ { "from": 100, "to": 1000 }, { "from": 1000, "to": 2000 }, { "from": 3000 } ] }, "aggs": { "price_agg": { "avg": { "field": "price" } } } } }, "size": 0 }