Elasticsearch資料型別及其屬性

Elasticsearch資料型別及其屬性

一、資料型別

欄位型別概述

核心型別

• 1、字串型別
  　　string型別: 在ElasticSearch 舊版本中使用較多，從ElasticSearch 5.x開始不再支援string，由text和keyword型別替代。
  　　text 型別：當一個欄位是要被全文搜尋的，比如Email內容、產品描述，應該使用text型別。設定text型別以後，欄位內容會被分析，在生成倒排索引以前，字串會被分析器分成一個一個詞項。text型別的欄位不用於排序，很少用於聚合。
  　　keyword
  keyword型別適用於索引結構化的欄位，比如email地址、主機名、狀態碼和標籤。如果欄位需要進行過濾(比如查詢已釋出部落格中status屬性為published的文章)、排序、聚合。keyword型別的欄位只能通過精確值搜尋到。

• 2、整數型別

  型別	取值範圍
  byte	-128~127
  short	-32768~32767
  integer	-231~231-1
  short	-263~263-1

  在滿足需求的情況下，儘可能選擇範圍小的資料型別。比如，某個欄位的取值最大值不會超過100，那麼選擇byte型別即可。迄今為止吉尼斯記錄的人類的年齡的最大值為134歲，對於年齡欄位，short足矣。欄位的長度越短，索引和搜尋的效率越高。

• 3、浮點型別

  型別	取值範圍
  doule	64位雙精度IEEE 754浮點型別
  float	32位單精度IEEE 754浮點型別
  half_float	16位半精度IEEE 754浮點型別
  scaled_float	縮放型別的的浮點數

  對於float、half_float和scaled_float,-0.0和+0.0是不同的值，使用term查詢查詢-0.0不會匹配+0.0，同樣range查詢中上邊界是-0.0不會匹配+0.0，下邊界是+0.0不會匹配-0.0。

  其中scaled_float，比如價格只需要精確到分，price為57.34的欄位縮放因子為100，存起來就是5734
  優先考慮使用帶縮放因子的scaled_float浮點型別。

• 4、date型別
  日期型別表示格式可以是以下幾種：
  （1）日期格式的字串，比如 “2018-01-13” 或 “2018-01-13 12:10:30”
  （2）long型別的毫秒數( milliseconds-since-the-epoch，epoch就是指UNIX誕生的UTC時間1970年1月1日0時0分0秒)
  （3）integer的秒數(seconds-since-the-epoch)

• 5、boolean型別　true和false

• 6、 binary型別
  　　進位制欄位是指用base64來表示索引中儲存的二進位制資料，可用來儲存二進位制形式的資料，例如影像。預設情況下，該型別的欄位只儲存不索引。二進位制型別只支援index_name屬性。

• 7、array型別
  （1）字元陣列: [ “one”, “two” ]
  （2）整數陣列: productid:[ 1, 2 ]
  （3）物件（文件）陣列: “user”:[ { “name”: “Mary”, “age”: 12 }, { “name”: “John”, “age”: 10 }]，
  注意：lasticSearch不支援元素為多個資料型別：[ 10, “some string” ]

• 8、 object型別
  JSON物件，文件會包含巢狀的物件

• 9、ip型別
  p型別的欄位用於儲存IPv4或者IPv6的地址

二、Mapping 支援屬性

• 1、enabled：僅儲存、不做搜尋和聚合分析

    "enabled":true （預設）| false
  

• 2、index：是否構建倒排索引（即是否分詞，設定false，欄位將不會被索引）

        "index": true（預設）| false
  

• 3、index_option：儲存倒排索引的哪些資訊

    4個可選引數：
        docs：索引文件號
        freqs：文件號+詞頻
        positions：文件號+詞頻+位置，通常用來距離查詢
        offsets：文件號+詞頻+位置+偏移量，通常被使用在高亮欄位
    分詞欄位預設是positions，其他預設時docs
    
    "index_options": "docs"
  

• 4、norms：是否歸一化相關引數、如果欄位僅用於過濾和聚合分析、可關閉
  分詞欄位預設配置，不分詞欄位：預設{“enable”: false}，儲存長度因子和索引時boost，建議對需要參加評分欄位使用，會額外增加記憶體消耗

    "norms": {"enable": true, "loading": "lazy"}
  

• 5、doc_value：是否開啟doc_value，使用者聚合和排序分析
  對not_analyzed欄位，預設都是開啟，分詞欄位不能使用，對排序和聚合能提升較大效能，節約記憶體

    "doc_value": true（預設）| false
  

• 6、fielddata：是否為text型別啟動fielddata，實現排序和聚合分析
  針對分詞欄位，參與排序或聚合時能提高效能，不分詞欄位統一建議使用doc_value

    "fielddata": {"format": "disabled"}
  

• 7、store：是否單獨設定此欄位的是否儲存而從_source欄位中分離，只能搜尋，不能獲取值

    "store": false（預設）| true
  

• 8、coerce：是否開啟自動資料型別轉換功能，比如：字串轉數字，浮點轉整型

    "coerce: true（預設）| false"
  

• 9、multifields：靈活使用多欄位解決多樣的業務需求

• 11、dynamic：控制mapping的自動更新

    "dynamic": true（預設）| false | strict
  

1

• 12、data_detection：是否自動識別日期型別

    "data_detection"：true（預設）| false
  

dynamic和data_detection的詳解：Elasticsearch dynamic mapping（動態對映） 策略.

• 13、analyzer：指定分詞器，預設分詞器為standard analyzer

    "analyzer": "ik"
  

• 14、boost：欄位級別的分數加權，預設值是1.0

    "boost": 1.23
  

• 15、fields：可以對一個欄位提供多種索引模式，同一個欄位的值，一個分詞，一個不分詞

    "fields": {"raw": {"type": "string", "index": "not_analyzed"}}
  

• 16、ignore_above：超過100個字元的文字，將會被忽略，不被索引

    "ignore_above": 100
  

• 17、include_in_all：設定是否此欄位包含在_all欄位中，預設時true，除非index設定成no

    "include_in_all": true
  

• 18、null_value：設定一些缺失欄位的初始化，只有string可以使用，分詞欄位的null值也會被分詞

    "null_value": "NULL"
  

• 19、position_increament_gap：影響距離查詢或近似查詢，可以設定在多值欄位的資料上或分詞欄位上，查詢時可以指定slop間隔，預設值時100

    "position_increament_gap": 0
  

• 20、search_analyzer：設定搜尋時的分詞器，預設跟analyzer是一致的，比如index時用standard+ngram，搜尋時用standard用來完成自動提示功能

    "search_analyzer": "ik"
  

• 21、similarity：預設時TF/IDF演算法，指定一個欄位評分策略，僅僅對字串型和分詞型別有效

    "similarity": "BM25"
  

• 22、trem_vector：預設不儲存向量資訊，支援引數yes（term儲存），with_positions（term+位置），with_offsets（term+偏移量），with_positions_offsets（term+位置+偏移量）對快速高亮fast vector highlighter能提升效能，但開啟又會加大索引體積，不適合大資料量用

    "trem_vector": "no"
  

三、Mapping 欄位設定流程

avatar