Elasticsearch 索引的映射配置详解
概述
Elasticsearch 与传统的 SQL数据库的一个明显的不同点是，Elasticsearch 是一个 非结构化 的数据库，或者说是一个 无模式 的数据库。Elasticsearch 中数据最重要的三要素当属：索引、类型、文档，其中索引这个概念非常重要，我们可以粗略地将其类比到传统SQL数据库中的 数据表。本文就从 Elasticsearch 的索引映射如何配置开始讲起。
注： 本文原载于 My Personal Blog，欢迎光临 小站 ！
本文内容脑图如下：文章共1540字，阅读本文大约需要5分钟 ！
索引模式映射
创建索引时，可以自定义索引的结构，比如 创建一个保存用户信息数据的 users 索引，其典型的结构如下：
-
id：唯一表示符 -
name：姓名 -
birthday：出生日期 -
hobby：爱好
为此我们可以创建一个 json 格式的索引模式映射文件：users.json
{
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
}
}
}
}
}上面的 json代码意义如下：
- 创建一个名称为
users的 Index - 里面有一个名称为
user的 Type - 而
user有四个 field - 且每个 field 都有自己的 属性 定义
然后我们来执行如下命令来新建一个索引：
curl -X PUT http://47.98.43.236:9200/users -d @users.json结果如下，索引 users、类型 user、以及 四个字段 都已经顺利插入：
关于字段的 可选类型，有如下几种：
-
string：字符串 -
number：数字 -
date：日期 -
boolean：布尔型 -
binary：二进制 -
ip：IP地址 -
token_count类型
关于每种类型有哪些 属性，可参考官方文档，由于内容太多，此处不再赘述。
分析器的使用
分析器是一种用于 分析数据 或者按照用户想要的方式 处理数据 的工具，对于 字符串类型 的字段，Elasticsearch 允许用户自定义分析器。
- 先来自定义一个分析器
{
"settings" : {
"index" : {
"analysis" : {
"analyzer" : {
"myanalyzer" : {
"tokenizer" : "standard",
"filter" : [
"asciifolding",
"lowercase",
"myFilter"
]
}
},
"filter" : {
"myFilter" : {
"type" : "kstem"
}
}
}
}
},
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed",
"analyzer" : "myanalyzer"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
}
}
}
}
}上述 json代码中，用户定义了一个名为 myanalyzer 的分析器，该分析器包含 一个分词器 + 三个过滤器，分别如下：
- 分词器：
standard - 过滤器：
asciifolding - 过滤器：
lowercase - 过滤器：
myFilter（自定义过滤器，其本质是kstem）
- 再来看如何测试和使用自定义的分析器
可以通过类似如下的 Restful接口来测试 analyze API 的工作情况：
curl -X GET 'http://47.98.43.236:9200/users/_analyze?field=user.name' -d 'Cars Trains'可见我们输入的时一行字符串普通"Cars Trains"，而输出为：car 和 train，这说明短语 "Cars Trains" 被分成了两个词条，然后全部转为小写，最后做了词干提取的操作，由此证明我们上面自定义的分析器已然生效了！
相似度模型的配置
Elasticsearch 允许为索引模式映射文件中的不同字段指定不同的 相似度得分 计算模型，其用法例析如下：
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed",
"analyzer" : "myanalyzer",
"similarity" : "BM25"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
}
}
}
}上述 json文件中，我们为
name字段使用了BM25这种相似度模型，添加的方法是使用similarity属性的键值对，这样一来 Elasticsearch 将会为name字段使用BM25相似度计算模型来计算相似得分。
信息格式的配置
Elasticsearch 支持为每个字段指定信息格式，以满足通过改变字段被索引的方式来提高性能的条件。Elasticsearch 中的信息格式有如下几个：
-
default：默认信息格式，其提供了实时的对存储字段和词向量的压缩 -
pulsing：将 重复值较少字段 的信息列表 编码为词条矩阵，可加快 该字段的查询速度 -
direct：该格式在读过程中将词条加载到未经压缩而存在内存的矩阵中，该格式可以提升常用字段的性能，但损耗内存 -
memory：该格式将所有的数据写到磁盘，然后需要FST来读取词条和信息列表到内存中 -
bloom_default：默认信息格式的扩展，增加了把bloom filter写入磁盘的功能。读取时bloom filter被读取并存入内存，以便快速检查给定的值是否存在 -
bloom_pulsing：pulsing格式的扩展，也加入bloom filter的支持
信息格式字段（postings_format）可以在 任何一个字段上 进行设置，配置信息格式的示例如下：
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes",
"postings_format" : "pulsing"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed",
"analyzer" : "myanalyzer"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
}
}
}
} 在该例子之中，我们手动配置改变了
id字段的信息格式为pulsing，因此可加快该字段的查询速度。
文档值及其格式的配置
文档值 这个字段属性作用在于：其允许将给定字段的值被写入一个更高内存效率的结构，以便进行更加高效的排序和搜索。我们通常可以将该属性加在 需要进行排序 的字段上，这样可以 提效。
其配置方式是 通过属性 doc_values_format 进行，有三种常用的 doc_values_format 属性值，其含义从名字中也能猜个大概：
-
default：默认格式，其使用少量的内存但性能也不错 -
disk：将数据存入磁盘，几乎无需内存 -
memory：将数据存入内存
举个栗子吧：
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed",
"analyzer" : "myanalyzer"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
},
"age" : {
"type" : "integer",
"doc_values_format" : "memory"
}
}
}
}上述 json配置中，我们给类型
user添加了一个age字段，假如我们想对年龄字段进行排序，那么给该字段设置文档值格式的属性是可以提升效率的。
后 记
由于能力有限，若有错误或者不当之处，还请大家批评指正，一起学习交流！
可 长按 或 扫描 下面的 小心心 来订阅 CodeSheep，获取更多 务实、能看懂、可复现的 原创文 ↓↓↓
