Elasticsearch【mappings】类型配置操作

在介绍ES的更新操作的时候，说过，ES的索引创建是很简单的，没有必要多说，这里是有个前提的，简单是建立在ES默认的配置基础之上的。

比如，当ES安装完毕后，我们就可以通过curl命令完成index,type以及文档的创建。这些创建过程，都是建立在ES的默认配置上的，这里主要说的配置指的是ES的分析器以及数据字段类型。ES的强大之处在于，我们向文档添加字段时，可以不用指定各个field的数据类型，也不用配置这些field在搜索的时候，采用什么analyzer进行分词（ES默认采用的是standard analyzer）。

在进行本博文案例分析前，有必要说下，ES支持的数据类型：

• 简单数据类型： string， date， long， double，integer，boolean 以及ip等等
• 层级结构类型：JSON型的object，嵌套类型 （都是JSON）
• 特殊结构类型：geo_point， geo_shape以及completion。

这些数据类型，可以在创建索引的时候，指定。在此，需要讲解一下mapping的含义，按照官方的文档描述：

Mapping is the process of defining how a document, and the fields it contains, are stored and indexed. For instance, use mappings to define:

> which string fields should be treated as full text fields.
> which fields contain numbers, dates, or geolocations.
> whether the values of all fields in the document should be indexed into the catch-all _all field.
> the format of date values.
> custom rules to control the mapping for dynamically added fields.

也就是说，这个mapping有点类似我们定义MySQL的数据库表结构的时候，需要指定每个字段的名字，其数据类型一样。当然，这个定义过程，也指明了这个表结构一共含有多少个字段了。对于ES而言，就相当于指定了一个document有多少field，每个field的数据类型，注意，这个比MySQL定义表过程，还多了一个有用的操作，就是指定每个字段可用的分析器(analyzer). 当然，不指定的话，就是采用默认的standard analyzer，当然你也可以指定某个字段不需要分析器（not_analyzed）.

下面，再来说说分析器analyzer。

ES系统默认提供了很多的分析器，最著名的是standard analyzer。另外，还有下面的一些分析器，这些分析器，可以进入官网进行深入研究。

• Simple Analyzer
• Whitespace Analyzer
• Stop Analyzer
• Keyword Analyzer
• Pattern Analyzer
• Language Analyzers
• Fingerprint Analyzer

这些分析器中，重点在于如何对待搜索的目标进行分词（token）。

下面，将通过一个简单的例子，来说说mapping的操作，以及基于standard analyzer自定义一个自己的分析器csh_analyaer：

[root@localhost ~]# curl -XPUT "localhost:9210/test" -d '
{
  "settings": {
>    "analysis": {
>       "analyzer": {                         #配置分析器
>          "csh_analyzer": {                  #分析器的名字是csh_analyer,这个是系统没有的，我自己定义的一个，可以取一个不和已有的分析器重名的名字
>              "type": "standard",            #这个分析器的类型是基于系统自带的标准的standard分析器
>              "stopwords": "_english_"       #禁用词，或者说无效词范围定义来自_english_列表
>          }
>       }
>    }
>  },
>  "mappings": {
>     "user": {                              #定义test索引下的一个type为user
>        "properties": {                     #开始定义这个type的属性值（也可以用fields）
>           "first_name": {                  #字段名为first_name
>              "type": "string",             #数据类型为string
>              "analyzer": "standard"　　     #分析器用系统默认的standard
>           },
>           "last_name": {                   #字段名字为last_name
>               "type": "string",            #字段类型为string
>               "analyzer": "csh_analyzer"   #分析器为自定义的csh_analyzer
>           },
>           "job": {                         #字段名字为job
>               "type": "string",            #字段类型
>               "analyzer": "csh_analyzer"   #分析器为自定义的csh_analyzer
>           }
>        }
>      }
>   }
> }'

获取索引的mapping信息：

[root@localhost ~]# curl "localhost:9210/test/?mappings&pretty"
{
  "test" : {
    "aliases" : { },
    "mappings" : {
      "user" : {
        "properties" : {
          "first_name" : {
            "type" : "string",
            "analyzer" : "standard"
          },
          "job" : {
            "type" : "string",
            "analyzer" : "csh_analyzer"
          },
          "last_name" : {
            "type" : "string",
            "analyzer" : "csh_analyzer"
          }
        }
      }
    },
    "settings" : {
      "index" : {
        "creation_date" : "1477538406319",
        "uuid" : "czFz6sMzQHSKcvEb4o_yYg",
        "analysis" : {
          "analyzer" : {
            "csh_analyzer" : {
              "type" : "standard",
              "stopwords" : "_english_"
            }
          }
        },
        "number_of_replicas" : "1",
        "number_of_shards" : "5",
        "version" : {
          "created" : "2040199"
        }
      }
    },
    "warmers" : { }
  }
}

现在，是不是有个疑问，这个mapping或者说里面的settings有什么用呢，其实，主要是在搜索的时候，ES系统内部自己用的。我们不给index指定mapping或不进行settings设置，其实在很多时候也工作的很好。但是，对于操作的数据对象，我们自己了解的信息一定不会比ES系统猜测的信息全和准确。所以，我们自己在工程应用中，最好还是要自己给自己的索引做settings和mappings的设置。

看一下例子，针对上面我们建立的索引test，进行测试，看看字段在分词的时候，是不是我们想要的结果：

[root@localhost ~]# curl -XPOST "localhost:9210/test/_analyze?pretty" -d '{
"field": "first_name",
"text": "the shihu"
}'
{
  "tokens" : [ {
    "token" : "the",
    "start_offset" : 0,
    "end_offset" : 3,
    "type" : "<ALPHANUM>",
    "position" : 0
  }, {
    "token" : "shihu",
    "start_offset" : 4,
    "end_offset" : 9,
    "type" : "<ALPHANUM>",
    "position" : 1
  } ]
}

看到没，上面操作的数据，field是first_name,分析的字符串text为"the shihu"， 最后得到的结果是两个分词（token），一个是the，一个是shihu。还记得么，first_name对应的analyzer是standard。而standard分析器分词的依据之一就是把目标内容拆分成一个个的单词，分割器可以是空格，逗号等标点符号，请求看官方文档Standard Analyzer

再看另外一个测试例子：

[root@localhost ~]# curl -XPOST "localhost:9210/test/_analyze?pretty" -d '{
"field": "last_name",
"text": "the shihu"
}'
{
  "tokens" : [ {
    "token" : "shihu",
    "start_offset" : 4,
    "end_offset" : 9,
    "type" : "<ALPHANUM>",
    "position" : 1
  } ]
}

这个操作中的field是last_name，分析的字符串依然是“the shihu”，但是最后看到的结果中只有一个token，只有shihu，没有了the这个词。区别在于这个last_name的analyzer是用的自定义的csh_analyzer，而这个是基于standard的自定义分析器，stopwords改成了_english_,这个里面应该是包含了the这种英文分词常见的词，这个词是大概率出现的词，按照信息论的概念，信息量与概率的大小成反比，所以the这种大概率的词含有很小的信息量，通常不作为搜索返回结果，所以在分词列表中去掉了。

到此，ES的mappings相关的介绍，就抛砖结束了，其间顺便也讲解了点分析器，希望对理解ES工作原理的伙伴有点帮助！