Mapping

類似于數(shù)據(jù)庫(kù)中的表結(jié)構(gòu)定義，主要作用如下：

• 定義Index下字段名（Field Name）
• 定義字段的類型，比如數(shù)值型，字符串型、布爾型等
• 定義倒排索引的相關(guān)配置，比如是否索引、記錄postion等

需要注意的是，在索引中定義太多字段可能會(huì)導(dǎo)致索引膨脹，出現(xiàn)內(nèi)存不足和難以恢復(fù)的情況，下面有幾個(gè)設(shè)置：

• index.mapping.total_fields.limit：一個(gè)索引中能定義的字段的最大數(shù)量，默認(rèn)是 1000
• index.mapping.depth.limit：字段的最大深度，以內(nèi)部對(duì)象的數(shù)量來(lái)計(jì)算，默認(rèn)是20
• index.mapping.nested_fields.limit：索引中嵌套字段的最大數(shù)量，默認(rèn)是50

數(shù)據(jù)類型

核心數(shù)據(jù)類型

• 字符串 - text
  • 用于全文索引，該類型的字段將通過(guò)分詞器進(jìn)行分詞，最終用于構(gòu)建索引
• 字符串 - keyword
  • 不分詞，只能搜索該字段的完整的值，只用于 filtering
• 數(shù)值型
  • long：有符號(hào)64-bit integer：-2^63 ~ 2^63 - 1
  • integer：有符號(hào)32-bit integer，-2^31 ~ 2^31 - 1
  • short：有符號(hào)16-bit integer，-32768 ~ 32767
  • byte： 有符號(hào)8-bit integer，-128 ~ 127
  • double：64-bit IEEE 754 浮點(diǎn)數(shù)
  • float：32-bit IEEE 754 浮點(diǎn)數(shù)
  • half_float：16-bit IEEE 754 浮點(diǎn)數(shù)
  • scaled_float
• 布爾 - boolean
  • 值：false, "false", true, "true"
• 日期 - date
  • 由于Json沒(méi)有date類型，所以es通過(guò)識(shí)別字符串是否符合format定義的格式來(lái)判斷是否為date類型
  • format默認(rèn)為：strict_date_optional_time||epoch_millis format
• 二進(jìn)制 - binary
  • 該類型的字段把值當(dāng)做經(jīng)過(guò) base64 編碼的字符串，默認(rèn)不存儲(chǔ)，且不可搜索
• 范圍類型
  • 范圍類型表示值是一個(gè)范圍，而不是一個(gè)具體的值
  • 譬如 age 的類型是 integer_range，那么值可以是 {"gte" : 10, "lte" : 20}；搜索 "term" : {"age": 15} 可以搜索該值；搜索 "range": {"age": {"gte":11, "lte": 15}} 也可以搜索到
  • range參數(shù) relation 設(shè)置匹配模式
    • INTERSECTS ：默認(rèn)的匹配模式，只要搜索值與字段值有交集即可匹配到
    • WITHIN：字段值需要完全包含在搜索值之內(nèi)，也就是字段值是搜索值的子集才能匹配
    • CONTAINS：與WITHIN相反，只搜索字段值包含搜索值的文檔
  • integer_range
  • float_range
  • long_range
  • double_range
  • date_range：64-bit 無(wú)符號(hào)整數(shù)，時(shí)間戳（單位：毫秒）
  • ip_range：IPV4 或 IPV6 格式的字符串

# 創(chuàng)建range索引
PUT range_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "expected_attendees": {
          "type": "integer_range"
        },
        "time_frame": {
          "type": "date_range", 
          "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
        }
      }
    }
  }
}

# 插入一個(gè)文檔
PUT range_index/_doc/1
{
  "expected_attendees" : { 
    "gte" : 10,
    "lte" : 20
  },
  "time_frame" : { 
    "gte" : "2015-10-31 12:00:00", 
    "lte" : "2015-11-05"
  }
}

# 12在 10~20的范圍內(nèi)，可以搜索到文檔1
GET range_index/_search
{
  "query" : {
    "term" : {
      "expected_attendees" : {
        "value": 12
      }
    }
  }
}

# within可以搜索到文檔
# 可以修改日期，然后分別對(duì)比CONTAINS，WITHIN，INTERSECTS的區(qū)別
GET range_index/_search
{
  "query" : {
    "range" : {
      "time_frame" : { 
        "gte" : "2015-11-02",
        "lte" : "2015-11-03",
        "relation" : "within" 
      }
    }
  }
}

復(fù)雜數(shù)據(jù)類型

• 數(shù)組類型 Array
  • 字符串?dāng)?shù)組 [ "one", "two" ]
  • 整數(shù)數(shù)組 [ 1, 2 ]
  • 數(shù)組的數(shù)組 [ 1, [ 2, 3 ]]，相當(dāng)于 [ 1, 2, 3 ]
  • Object對(duì)象數(shù)組 [ { "name": "Mary", "age": 12 }, { "name": "John", "age": 10 }]
  • 同一個(gè)數(shù)組只能存同類型的數(shù)據(jù)，不能混存，譬如 [ 10, "some string" ] 是錯(cuò)誤的
  • 數(shù)組中的 null 值將被 null_value 屬性設(shè)置的值代替或者被忽略
  • 空數(shù)組 [] 被當(dāng)做 missing field 處理
• 對(duì)象類型 Object
  • 對(duì)象類型可能有內(nèi)部對(duì)象
  • 被索引的形式為：manager.name.first

# tags字符串?dāng)?shù)組，lists 對(duì)象數(shù)組
PUT my_index/_doc/1
{
  "message": "some arrays in this document...",
  "tags":  [ "elasticsearch", "wow" ], 
  "lists": [ 
    {
      "name": "prog_list",
      "description": "programming list"
    },
    {
      "name": "cool_list",
      "description": "cool stuff list"
    }
  ]
}

• 嵌套類型 Nested
  • nested 類型是一種對(duì)象類型的特殊版本，它允許索引對(duì)象數(shù)組，獨(dú)立地索引每個(gè)對(duì)象

嵌套類型與Object類型的區(qū)別

通過(guò)例子來(lái)說(shuō)明:

1. 插入一個(gè)文檔，不設(shè)置mapping，此時(shí) user 字段被自動(dòng)識(shí)別為對(duì)象數(shù)組

DELETE my_index

PUT my_index/_doc/1
{
  "group" : "fans",
  "user" : [ 
    {
      "first" : "John",
      "last" :  "Smith"
    },
    {
      "first" : "Alice",
      "last" :  "White"
    }
  ]
}

2. 查詢 user.first為 Alice，user.last 為 Smith的文檔，理想中應(yīng)該找不到匹配的文檔
3. 結(jié)果是查到了文檔1，為什么呢？

GET my_index/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "user.first": "Alice" }},
        { "match": { "user.last":  "Smith" }}
      ]
    }
  }
}

4. 是由于Object對(duì)象類型在內(nèi)部被轉(zhuǎn)化成如下格式的文檔：

{
  "group" :        "fans",
  "user.first" : [ "alice", "john" ],
  "user.last" :  [ "smith", "white" ]
}

5. user.first 和 user.last 扁平化為多值字段，alice 和 white 的關(guān)聯(lián)關(guān)系丟失了。導(dǎo)致這個(gè)文檔錯(cuò)誤地匹配對(duì) alice 和 smith 的查詢

6. 如果最開(kāi)始就把user設(shè)置為 nested 嵌套對(duì)象呢？

DELETE my_index
PUT my_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "user": {
          "type": "nested" 
        }
      }
    }
  }
}

PUT my_index/_doc/1
{
  "group": "fans",
  "user": [
    {
      "first": "John",
      "last": "Smith"
    },
    {
      "first": "Alice",
      "last": "White"
    }
  ]
}

7. 再來(lái)進(jìn)行查詢，可以發(fā)現(xiàn)以下第一個(gè)查不到文檔，第二個(gè)查詢到文檔1，符合我們預(yù)期

GET my_index/_search
{
  "query": {
    "nested": {
      "path": "user",
      "query": {
        "bool": {
          "must": [
            { "match": { "user.first": "Alice" }},
            { "match": { "user.last":  "Smith" }} 
          ]
        }
      }
    }
  }
}

GET my_index/_search
{
  "query": {
    "nested": {
      "path": "user",
      "query": {
        "bool": {
          "must": [
            { "match": { "user.first": "Alice" }},
            { "match": { "user.last":  "White" }} 
          ]
        }
      },
      "inner_hits": { 
        "highlight": {
          "fields": {
            "user.first": {}
          }
        }
      }
    }
  }
}

8. nested對(duì)象將數(shù)組中每個(gè)對(duì)象作為獨(dú)立隱藏文檔來(lái)索引，這意味著每個(gè)嵌套對(duì)象都可以獨(dú)立被搜索

9. 需要注意的是：

• 使用 nested 查詢來(lái)搜索
• 使用 nested 和 reverse_nested 聚合來(lái)分析
• 使用 nested sorting 來(lái)排序
• 使用 nested inner hits 來(lái)檢索和高亮

地理位置數(shù)據(jù)類型

• geo_point
  • 地理位置，其值可以有如下四中表現(xiàn)形式：
    • object對(duì)象："location": {"lat": 41.12, "lon": -71.34}
    • 字符串："location": "41.12,-71.34"
    • geohash："location": "drm3btev3e86"
    • 數(shù)組："location": [ -71.34, 41.12 ]
  • 查詢的時(shí)候通過(guò) Geo Bounding Box Query 進(jìn)行查詢
• geo_shape

專用數(shù)據(jù)類型

• 記錄IP地址 ip
• 實(shí)現(xiàn)自動(dòng)補(bǔ)全 completion
• 記錄分詞數(shù) token_count
• 記錄字符串hash值 murmur3
• Percolator

# ip類型，存儲(chǔ)IP
PUT my_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "ip_addr": {
          "type": "ip"
        }
      }
    }
  }
}

PUT my_index/_doc/1
{
  "ip_addr": "192.168.1.1"
}

GET my_index/_search
{
  "query": {
    "term": {
      "ip_addr": "192.168.0.0/16"
    }
  }
}

多字段特性 multi-fields

• 允許對(duì)同一個(gè)字段采用不同的配置，比如分詞，常見(jiàn)例子如對(duì)人名實(shí)現(xiàn)拼音搜索，只需要在人名中新增一個(gè)子字段為 pinyin 即可
• 通過(guò)參數(shù) fields 設(shè)置

設(shè)置Mapping

image

GET my_index/_mapping

# 結(jié)果
{
  "my_index": {
    "mappings": {
      "doc": {
        "properties": {
          "age": {
            "type": "integer"
          },
          "created": {
            "type": "date"
          },
          "name": {
            "type": "text"
          },
          "title": {
            "type": "text"
          }
        }
      }
    }
  }
}

Mapping參數(shù)

analyzer

• 分詞器，默認(rèn)為standard analyzer，當(dāng)該字段被索引和搜索時(shí)對(duì)字段進(jìn)行分詞處理

boost

• 字段權(quán)重，默認(rèn)為1.0

dynamic

• Mapping中的字段類型一旦設(shè)定后，禁止直接修改，原因是：Lucene實(shí)現(xiàn)的倒排索引生成后不允許修改
• 只能新建一個(gè)索引，然后reindex數(shù)據(jù)
• 默認(rèn)允許新增字段
• 通過(guò)dynamic參數(shù)來(lái)控制字段的新增：
  • true（默認(rèn)）允許自動(dòng)新增字段
  • false 不允許自動(dòng)新增字段，但是文檔可以正常寫(xiě)入，但無(wú)法對(duì)新增字段進(jìn)行查詢等操作
  • strict 文檔不能寫(xiě)入，報(bào)錯(cuò)

PUT my_index
{
  "mappings": {
    "_doc": {
      "dynamic": false, 
      "properties": {
        "user": { 
          "properties": {
            "name": {
              "type": "text"
            },
            "social_networks": { 
              "dynamic": true,
              "properties": {}
            }
          }
        }
      }
    }
  }
}

定義后my_index這個(gè)索引下不能自動(dòng)新增字段，但是在user.social_networks下可以自動(dòng)新增子字段

copy_to

• 將該字段復(fù)制到目標(biāo)字段，實(shí)現(xiàn)類似_all的作用
• 不會(huì)出現(xiàn)在_source中，只用來(lái)搜索

DELETE my_index
PUT my_index
{
  "mappings": {
    "doc": {
      "properties": {
        "first_name": {
          "type": "text",
          "copy_to": "full_name" 
        },
        "last_name": {
          "type": "text",
          "copy_to": "full_name" 
        },
        "full_name": {
          "type": "text"
        }
      }
    }
  }
}

PUT my_index/doc/1
{
  "first_name": "John",
  "last_name": "Smith"
}

GET my_index/_search
{
  "query": {
    "match": {
      "full_name": { 
        "query": "John Smith",
        "operator": "and"
      }
    }
  }
}

index

• 控制當(dāng)前字段是否索引，默認(rèn)為true，即記錄索引，false不記錄，即不可搜索

index_options

• index_options參數(shù)控制將哪些信息添加到倒排索引，以用于搜索和突出顯示，可選的值有：docs，freqs，positions，offsets
• docs：只索引 doc id
• freqs：索引 doc id 和詞頻，平分時(shí)可能要用到詞頻
• positions：索引 doc id、詞頻、位置，做 proximity or phrase queries 時(shí)可能要用到位置信息
• offsets：索引doc id、詞頻、位置、開(kāi)始偏移和結(jié)束偏移，高亮功能需要用到offsets

fielddata

• 是否預(yù)加載 fielddata，默認(rèn)為false
• Elasticsearch第一次查詢時(shí)完整加載這個(gè)字段所有 Segment 中的倒排索引到內(nèi)存中
• 如果我們有一些 5 GB 的索引段，并希望加載 10 GB 的 fielddata 到內(nèi)存中，這個(gè)過(guò)程可能會(huì)要數(shù)十秒
• 將 fielddate 設(shè)置為 true ,將載入 fielddata 的代價(jià)轉(zhuǎn)移到索引刷新的時(shí)候，而不是查詢時(shí)，從而大大提高了搜索體驗(yàn)
• 參考：預(yù)加載 fielddata

eager_global_ordinals

• 是否預(yù)構(gòu)建全局序號(hào)，默認(rèn)false
• 參考：預(yù)構(gòu)建全局序號(hào)（Eager global ordinals）

doc_values

• 參考：Doc Values and Fielddata

fields

• 該參數(shù)的目的是為了實(shí)現(xiàn) multi-fields
• 一個(gè)字段，多種數(shù)據(jù)類型
• 譬如：一個(gè)字段 city 的數(shù)據(jù)類型為 text ，用于全文索引，可以通過(guò) fields 為該字段定義 keyword 類型，用于排序和聚合

# 設(shè)置 mapping
PUT my_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "city": {
          "type": "text",
          "fields": {
            "raw": { 
              "type":  "keyword"
            }
          }
        }
      }
    }
  }
}

# 插入兩條數(shù)據(jù)
PUT my_index/_doc/1
{
  "city": "New York"
}

PUT my_index/_doc/2
{
  "city": "York"
}

# 查詢，city用于全文索引 match，city.raw用于排序和聚合
GET my_index/_search
{
  "query": {
    "match": {
      "city": "york" 
    }
  },
  "sort": {
    "city.raw": "asc" 
  },
  "aggs": {
    "Cities": {
      "terms": {
        "field": "city.raw" 
      }
    }
  }
}

format

• 由于JSON沒(méi)有date類型，Elasticsearch預(yù)先通過(guò)format參數(shù)定義時(shí)間格式，將匹配的字符串識(shí)別為date類型，轉(zhuǎn)換為時(shí)間戳（單位：毫秒）
• format默認(rèn)為：strict_date_optional_time||epoch_millis
• Elasticsearch內(nèi)建的時(shí)間格式:

• 上述名稱加前綴 strict_ 表示為嚴(yán)格格式
• 更多的查看文檔

properties

• 用于_doc，object和nested類型的字段定義子字段

PUT my_index
{
  "mappings": {
    "_doc": { 
      "properties": {
        "manager": { 
          "properties": {
            "age":  { "type": "integer" },
            "name": { "type": "text"  }
          }
        },
        "employees": { 
          "type": "nested",
          "properties": {
            "age":  { "type": "integer" },
            "name": { "type": "text"  }
          }
        }
      }
    }
  }
}

PUT my_index/_doc/1 
{
  "region": "US",
  "manager": {
    "name": "Alice White",
    "age": 30
  },
  "employees": [
    {
      "name": "John Smith",
      "age": 34
    },
    {
      "name": "Peter Brown",
      "age": 26
    }
  ]
}

normalizer

• 與 analyzer 類似，只不過(guò) analyzer 用于 text 類型字段，分詞產(chǎn)生多個(gè) token，而 normalizer 用于 keyword 類型，只產(chǎn)生一個(gè) token（整個(gè)字段的值作為一個(gè)token，而不是分詞拆分為多個(gè)token）

• 定義一個(gè)自定義 normalizer，使用大寫(xiě)uppercase過(guò)濾器

PUT test_index_4
{
  "settings": {
    "analysis": {
      "normalizer": {
        "my_normalizer": {
          "type": "custom",
          "char_filter": [],
          "filter": ["uppercase", "asciifolding"]
        }
      }
    }
  },
  "mappings": {
    "_doc": {
      "properties": {
        "foo": {
          "type": "keyword",
          "normalizer": "my_normalizer"
        }
      }
    }
  }
}

# 插入數(shù)據(jù)
POST test_index_4/_doc/1
{
  "foo": "hello world"
}

POST test_index_4/_doc/2
{
  "foo": "Hello World"
}

POST test_index_4/_doc/3
{
  "foo": "hello elasticsearch"
}

# 搜索hello，結(jié)果為空，而不是3條??！ 
GET test_index_4/_search
{
  "query": {
    "match": {
      "foo": "hello"
    }
  }
}

# 搜索 hello world，結(jié)果2條，1 和 2
GET test_index_4/_search
{
  "query": {
    "match": {
      "foo": "hello world"
    }
  }
}

其他字段

• coerce
  • 強(qiáng)制類型轉(zhuǎn)換，把json中的值轉(zhuǎn)為ES中字段的數(shù)據(jù)類型，譬如：把字符串"5"轉(zhuǎn)為integer的5
  • coerce默認(rèn)為 true
  • 如果coerce設(shè)置為 false，當(dāng)json的值與es字段類型不匹配將會(huì) rejected
  • 通過(guò) "settings": { "index.mapping.coerce": false } 設(shè)置索引的 coerce
• enabled
  • 是否索引，默認(rèn)為 true
  • 可以在_doc和字段兩個(gè)粒度進(jìn)行設(shè)置
• ignore_above
  • 設(shè)置能被索引的字段的長(zhǎng)度
  • 超過(guò)這個(gè)長(zhǎng)度，該字段將不被索引，所以無(wú)法搜索，但聚合的terms可以看到
• null_value
  • 該字段定義遇到null值時(shí)的處理策略，默認(rèn)為Null，即空值，此時(shí)ES會(huì)忽略該值
  • 通過(guò)設(shè)定該值可以設(shè)定字段為 null 時(shí)的默認(rèn)值
• ignore_malformed
  • 當(dāng)數(shù)據(jù)類型不匹配且 coerce 強(qiáng)制轉(zhuǎn)換時(shí),默認(rèn)情況會(huì)拋出異常,并拒絕整個(gè)文檔的插入
  • 若設(shè)置該參數(shù)為 true，則忽略該異常，并強(qiáng)制賦值，但是不會(huì)被索引，其他字段則照常
• norms
  • norms 存儲(chǔ)各種標(biāo)準(zhǔn)化因子，為后續(xù)查詢計(jì)算文檔對(duì)該查詢的匹配分?jǐn)?shù)提供依據(jù)
  • norms 參數(shù)對(duì)評(píng)分很有用，但需要占用大量的磁盤(pán)空間
  • 如果不需要計(jì)算字段的評(píng)分，可以取消該字段 norms 的功能
• position_increment_gap
  • 與 proximity queries（近似查詢）和 phrase queries（短語(yǔ)查詢）有關(guān)
  • 默認(rèn)值 100
• search_analyzer
  • 搜索分詞器，查詢時(shí)使用
  • 默認(rèn)與 analyzer 一樣
• similarity
  • 設(shè)置相關(guān)度算法，ES5.x 和 ES6.x 默認(rèn)的算法為 BM25
  • 另外也可選擇 classic 和 boolean
• store
  • store 的意思是：是否在 _source 之外在獨(dú)立存儲(chǔ)一份，默認(rèn)值為 false
  • es在存儲(chǔ)數(shù)據(jù)的時(shí)候把json對(duì)象存儲(chǔ)到"_source"字段里，"_source"把所有字段保存為一份文檔存儲(chǔ)（讀取需要1次IO），要取出某個(gè)字段則通過(guò) source filtering 過(guò)濾
  • 當(dāng)字段比較多或者內(nèi)容比較多，并且不需要取出所有字段的時(shí)候，可以把特定字段的store設(shè)置為true單獨(dú)存儲(chǔ)（讀取需要1次IO），同時(shí)在_source設(shè)置exclude
  • 關(guān)于該字段的理解，參考： es設(shè)置mapping store屬性
• term_vector
  • 與倒排索引相關(guān)

Dynamic Mapping

ES是依靠JSON文檔的字段類型來(lái)實(shí)現(xiàn)自動(dòng)識(shí)別字段類型，支持的類型如下：

舉栗子

POST my_index/doc
{
  "username":"whirly",
  "age":22,
  "birthday":"1995-01-01"
}
GET my_index/_mapping

# 結(jié)果
{
  "my_index": {
    "mappings": {
      "doc": {
        "properties": {
          "age": {
            "type": "long"
          },
          "birthday": {
            "type": "date"
          },
          "username": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    }
  }
}

日期的自動(dòng)識(shí)別

• dynamic_date_formats 參數(shù)為自動(dòng)識(shí)別的日期格式，默認(rèn)為 [ "strict_date_optional_time","yyyy/MM/dd HH:mm:ss Z||yyyy/MM/dd Z"]
• date_detection可以關(guān)閉日期自動(dòng)識(shí)別機(jī)制

# 自定義日期識(shí)別格式
PUT my_index
{
  "mappings": {
    "_doc": {
      "dynamic_date_formats": ["MM/dd/yyyy"]
    }
  }
}
# 關(guān)閉日期自動(dòng)識(shí)別機(jī)制
PUT my_index
{
  "mappings": {
    "_doc": {
      "date_detection": false
    }
  }
}

數(shù)字的自動(dòng)識(shí)別

• 字符串是數(shù)字時(shí)，默認(rèn)不會(huì)自動(dòng)識(shí)別為整形，因?yàn)樽址谐霈F(xiàn)數(shù)字完全是合理的
• numeric_detection 參數(shù)可以開(kāi)啟字符串中數(shù)字的自動(dòng)識(shí)別

Dynamic templates

允許根據(jù)ES自動(dòng)識(shí)別的數(shù)據(jù)類型、字段名等來(lái)動(dòng)態(tài)設(shè)定字段類型，可以實(shí)現(xiàn)如下效果：

• 所有字符串類型都設(shè)定為keyword類型，即不分詞
• 所有以message開(kāi)頭的字段都設(shè)定為text類型，即分詞
• 所有以long_開(kāi)頭的字段都設(shè)定為long類型
• 所有自動(dòng)匹配為double類型的都設(shè)定為float類型，以節(jié)省空間

Dynamic templates API

"dynamic_templates": [
    {
      "my_template_name": { 
        ...  match conditions ... 
        "mapping": { ... } 
      }
    },
    ...
]

匹配規(guī)則一般有如下幾個(gè)參數(shù)：

• match_mapping_type 匹配ES自動(dòng)識(shí)別的字段類型，如boolean，long，string等
• match, unmatch 匹配字段名
• match_pattern 匹配正則表達(dá)式
• path_match, path_unmatch 匹配路徑

# double類型的字段設(shè)定為float以節(jié)省空間
PUT my_index
{
  "mappings": {
    "_doc": {
      "dynamic_templates": [
        {
          "integers": {
            "match_mapping_type": "double",
            "mapping": {
              "type": "float"
            }
          }
        }
      ]
    }
  }
}

自定義Mapping的建議

1. 寫(xiě)入一條文檔到ES的臨時(shí)索引中，獲取ES自動(dòng)生成的Mapping
2. 修改步驟1得到的Mapping，自定義相關(guān)配置
3. 使用步驟2的Mapping創(chuàng)建實(shí)際所需索引

Index Template 索引模板

• 索引模板，主要用于在新建索引時(shí)自動(dòng)應(yīng)用預(yù)先設(shè)定的配置，簡(jiǎn)化索引創(chuàng)建的操作步驟
  • 可以設(shè)定索引的setting和mapping
  • 可以有多個(gè)模板，根據(jù)order設(shè)置，order大的覆蓋小的配置
• 索引模板API，endpoint為 _template

# 創(chuàng)建索引模板，匹配 test-index-map 開(kāi)頭的索引
PUT _template/template_1
{
  "index_patterns": ["test-index-map*"],
  "order": 2,
  "settings": {
    "number_of_shards": 1
  },
  "mappings": {
    "doc": {
      "_source": {
        "enabled": false
      },
      "properties": {
        "name": {
          "type": "keyword"
        },
        "created_at": {
          "type": "date",
          "format": "YYYY/MM/dd HH:mm:ss"
        }
      }
    }
  }
}

# 插入一個(gè)文檔
POST test-index-map_1/doc
{
  "name" : "小旋鋒",
  "created_at": "2018/08/16 20:11:11"
}

# 獲取該索引的信息，可以發(fā)現(xiàn) settings 和 mappings 和索引模板里設(shè)置的一樣
GET test-index-map_1

# 刪除
DELETE /_template/template_1

# 查詢
GET /_template/template_1

更多內(nèi)容請(qǐng)?jiān)L問(wèn)我的個(gè)人網(wǎng)站： http://laijianfeng.org
參考文檔：

1. elasticsearch 官方文檔
2. 慕課網(wǎng) Elastic Stack從入門(mén)到實(shí)踐