Mapping概述
在Elasticsearch中，mapping是用来定义文档字段的结构和数据类型的，类似于关系型数据库中的表结构定义。为了将数据存储到Elasticsearch索引库中，我们首先需要定义字段的映射规则。常见的映射属性包括字段的数据类型、是否创建索引、是否进行分词等。
常见的字段数据类型（type）
- String 类型
- text：用于长文本，需要分词处理，适用于需要进行全文搜索的字段。例如文章内容、描述等。
- keyword：用于短文本或不可分词的字段，通常用于精确匹配，如品牌名称、IP地址、国家名称等。
- 数值类型：Elasticsearch 支持多种数值类型，与Java的数值类型一致。
byte：1字节short：2字节integer：4字节long：8字节float：单精度浮点数double：双精度浮点数
- 布尔类型 (
boolean)：用于表示true或false值。
- 日期类型 (
date)：日期在Elasticsearch中以字符串或毫秒值表示。需要注意的是，JSON文档没有专门的日期类型，日期会被序列化为字符串或毫秒值。
- 对象类型 (
object)：支持嵌套的JSON对象，表示一个字段本身包含多个子字段。这种类型通常会嵌套多个字段，需要使用properties来定义子字段。
常见的Mapping 属性
index：指定字段是否需要创建倒排索引。true（默认）：字段会创建索引，可以进行搜索和排序。false：字段不会创建索引，不能用于搜索和排序。
analyzer：分词器，用于指定字段分词规则。- 仅适用于
text类型字段，用于文本的分词。 - 常用分词器包括
ik_max_word、standard等。对于keyword、数值、布尔等类型的字段，不需要指定analyzer。
- 仅适用于
properties：用于定义嵌套对象类型（object）字段的子字段。如果一个字段是对象类型，它可能包含多个子字段，这时需要通过properties来指定这些子字段的类型和其他属性。
具体案例分析
以一个用户信息文档为例，分析如何为每个字段设置适当的映射：
age（年龄）
类型：integer或byte
index：根据业务需求，通常需要进行排序或过滤，使用true。
analyzer：不需要。
解释：年龄是数字类型，不需要分词，选择integer或byte类型即可。
weight（体重）
类型：float
index：根据业务需求，如果需要参与排序，可以设置true。
analyzer：不需要。
解释：体重是浮动的数值，选择float类型。
isMarried（婚姻状态）
类型：boolean
index：如果需要按婚姻状态筛选，设置true。
analyzer：不需要。
解释：婚姻状态是布尔类型，只需设置为boolean类型。
info（描述信息）
类型：text
index：true（通常需要搜索描述信息）。
analyzer：需要分词器，例如ik_max_word。
解释：描述信息是长文本，需要分词和创建倒排索引。
email（电子邮箱）
类型：keyword
index：通常情况下不需要搜索邮箱，因此设置false。
analyzer：不需要。
解释：邮箱是不可分词的字段，使用keyword类型。
scope（评分）
类型：float
index：根据需求，通常需要排序，设置true。
analyzer：不需要。
解释：评分通常是浮动值，且需要参与排序。
name（姓名）
类型：object
子字段：firstName（名字）：类型keyword，不分词。lastName（姓氏）：类型keyword，不分词。
index：通常都设置为true，除非不需要搜索。
总结
- 字段数据类型：选择合适的字段类型，决定数据存储和查询效率。
- 索引与分词器：根据字段是否需要参与搜索，选择是否创建索引，并为可分词的字段指定分词器。
- 嵌套对象与子字段：使用
object类型存储嵌套结构，使用properties属性定义子字段。