上一篇mapping文章我們知道數字類型和日期類型要精確查找，以及mapping的兩個重要的作用。

所以創建索引的時候,是不是可以預先定義字段的類型以及相關屬性，這樣就能夠把日期字段處理成日期，把數字字段處理成數字，把字符串字段處理字符串值等。

支持的數據類型：

(1)核心數據類型（Core datatypes）

????字符型：string，string類型包括
????text 和 keyword
????
????text類型被用來索引長文本，在建立索引前會將這些文本進行分詞，轉化為詞的組合，建立索引。允許es來檢索這些詞語。text類型不能用來排序和聚合。
????
????Keyword類型不需要進行分詞，可以被用來檢索過濾、排序和聚合。keyword 類型字段只能用本身來進行檢索
????
????數字型：long, integer, short, byte, double, float
????日期型：date
????布爾型：boolean
????二進制型：binary
?

(2)復雜數據類型（Complex datatypes）

????數組類型（Array datatype）：數組類型不需要專門指定數組元素的type，例如：
????????字符型數組: [ "one", "two" ]
????????整型數組：[ 1, 2 ]
????????數組型數組：[ 1, [ 2, 3 ]] 等價于[ 1, 2, 3 ]
????????對象數組：[ { "name": "Mary", "age": 12 }, { "name": "John", "age": 10 }]
????對象類型（Object datatype）：_ object _ 用于單個JSON對象；
????嵌套類型（Nested datatype）：_ nested _ 用于JSON數組；

(3)地理位置類型（Geo datatypes）

????地理坐標類型（Geo-point datatype）：_ geo_point _ 用于經緯度坐標；
????地理形狀類型（Geo-Shape datatype）：_ geo_shape _ 用于類似于多邊形的復雜形狀；

(4)特定類型（Specialised datatypes）

????IPv4 類型（IPv4 datatype）：_ ip _ 用于IPv4 地址；
????Completion 類型（Completion datatype）：_ completion _提供自動補全建議；
????Token count 類型（Token count datatype）：_ token_count _ 用于統計做了標記的字段的index數目，該值會一直增加，不會因為過濾條件而減少。
????mapper-murmur3
????類型：通過插件，可以通過 _ murmur3 _ 來計算 index 的 hash 值；
????附加類型（Attachment datatype）：采用 mapper-attachments
????插件，可支持_ attachments _ 索引，例如 Microsoft Office 格式，Open Document 格式，ePub, HTML 等。

?

支持的屬性：

"store":false//是否單獨設置此字段的是否存儲而從_source字段中分離，默認是false，只能搜索，不能獲取值

"index": true//分詞，不分詞是：false，設置成false，字段將不會被索引
???
"analyzer":"ik"//指定分詞器,默認分詞器為standard analyzer

"boost":1.23//字段級別的分數加權，默認值是1.0

"doc_values":false//對not_analyzed字段，默認都是開啟，分詞字段不能使用，對排序和聚合能提升較大性能，節約內存

"fielddata":{"format":"disabled"}//針對分詞字段，參與排序或聚合時能提高性能，不分詞字段統一建議使用doc_value

"fields":{"raw":{"type":"string","index":"not_analyzed"}} //可以對一個字段提供多種索引模式，同一個字段的值，一個分詞，一個不分詞
????????????
"ignore_above":100 //超過100個字符的文本，將會被忽略，不被索引

"include_in_all":ture//設置是否此字段包含在_all字段中，默認是true，除非index設置成no選項

"index_options":"docs"//4個可選參數docs（索引文檔號）,freqs（文檔號+詞頻），positions（文檔號+詞頻+位置，通常用來距離查詢），offsets（文檔號+詞頻+位置+偏移量，通常被使用在高亮字段）分詞字段默認是position，其他的默認是docs

"norms":{"enable":true,"loading":"lazy"}//分詞字段默認配置，不分詞字段：默認{"enable":false}，存儲長度因子和索引時boost，建議對需要參與評分字段使用 ，會額外增加內存消耗量

"null_value":"NULL"//設置一些缺失字段的初始化值，只有string可以使用，分詞字段的null值也會被分詞

"position_increament_gap":0//影響距離查詢或近似查詢，可以設置在多值字段的數據上火分詞字段上，查詢時可指定slop間隔，默認值是100

"search_analyzer":"ik"//設置搜索時的分詞器，默認跟ananlyzer是一致的，比如index時用standard+ngram，搜索時用standard用來完成自動提示功能

"similarity":"BM25"//默認是TF/IDF算法，指定一個字段評分策略，僅僅對字符串型和分詞類型有效

"term_vector":"no"//默認不存儲向量信息，支持參數yes（term存儲），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能提升性能，但開啟又會加大索引體積，不適合大數據量用

?

映射的分類：

(1)動態映射：

當ES在文檔中碰到一個以前沒見過的字段時，它會利用動態映射來決定該字段的類型，并自動地對該字段添加映射。

可以通過dynamic設置來控制這一行為，它能夠接受以下的選項：

????true：默認值。動態添加字段
????false：忽略新字段
????strict：如果碰到陌生字段，拋出異常

dynamic設置可以適用在根對象上或者object類型的任意字段上。
?

?

這里我們重點講一下object類型

#object類型 PUT /1ib5/person/1 {"name":"Tom" ,"age":25,"birthday":"1985-12-12","address":{"country": "china","province":"guangdong","city":"shenzhen"} }

我們看下address這個字段，這個字段下包含了三個字段?這個就是object類型，我們就添加一下，成功created

?

我們查看下自動創建的映射mapping

GET /1ib5/person/_mapping

{"1ib5" : {"mappings" : {"person" : {"properties" : {"address" : {"properties" : {"city" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}},"country" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}},"province" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}}}},"age" : {"type" : "long"},"birthday" : {"type" : "date"},"name" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}}}}}} }

我們口語看見address的描述，紅色框框都是address的描述

#如果是復雜的數組包含對象 PUT /lib6/person/1 {"persons" :[{"name":"lisi","age":27},{"name":"wangwu","age":26},{"name":"zhangsan","age":23}] }#底層存儲. { "persons.name":["lisi", "wangwu" ," zhangsan"], "persons.age":[27,26,23] }

?

總結

以上是生活随笔為你收集整理的ElasticSearch的Object数据类型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。