Mapping简介
mapping 是用来定义文档及其字段的存储方式、索引方式的手段，例如利用mapping 来定义以下内容：
- 哪些字段需要被定义为全文检索类型
- 哪些字段包含
number、date类型等 - 格式化时间格式
- 自定义规则，用于控制动态添加字段的映射
Mapping Type
每个索引都拥有唯一的 mapping type，用来决定文档将如何被索引。mapping type由下面两部分组成
-
Meta-fields
元字段用于自定义如何处理文档的相关元数据。 元字段的示例包括文档的_index，_type，_id和_source字段。 -
Fields or properties
映射类型包含与文档相关的字段或属性的列表。
分词器最佳实践
因为后续的keyword和text设计分词问题，这里给出分词最佳实践。即索引时用ik_max_word，搜索时分词器用ik_smart，这样索引时最大化的将内容分词，搜索时更精确的搜索到想要的结果。
例如我想搜索的是小米手机，我此时的想法是想搜索出小米手机的商品，而不是小米音响、小米洗衣机等其他产品，也就是说商品信息中必须只有华为手机这个词。
我们后续会使用"search_analyzer": "ik_smart"来实现这样的需求。
字段类型
- 一种简单的数据类型，例如
text、keyword、double、boolean、long、date、ip类型。 - 也可以是一种分层的json对象（支持属性嵌套）。
- 也可以是一些不常用的特殊类型，例如
geo_point、geo_shape、completion
针对同一字段支持多种字段类型可以更好地满足我们的搜索需求，例如一个string类型的字段可以设置为text来支持全文检索，与此同时也可以让这个字段拥有keyword类型来做排序和聚合，另外我们也可以为字段单独配置分词方式，例如"analyzer": "ik_max_word",
text 类型
text类型的字段用来做全文检索，例如邮件的主题、淘宝京东中商品的描述等。这种字段在被索引存储前先进行分词，存储的是分词后的结果，而不是完整的字段。text字段不适合做排序和聚合。如果是一些结构化字段，分词后无意义的字段建议使用keyword类型，例如邮箱地址、主机名、商品标签等。
常有参数包含以下
- analyzer：用来分词，包含索引存储阶段和搜索阶段（其中查询阶段可以被search_analyzer参数覆盖），该参数默认设置为index的analyzer设置或者standard analyzer
- index：是否可以被搜索到。默认是
true - fields：Multi-fields允许同一个字符串值同时被不同的方式索引，例如用不同的analyzer使一个field用来排序和聚类，另一个同样的string用来分析和全文检索。下面会做详细的说明
- search_analyzer：这个字段用来指定搜索阶段时使用的分词器，默认使用
analyzer的设置 - search_quote_analyzer：搜索遇到短语时使用的分词器，默认使用
search_analyzer的设置
keyword 类型
keyword用于索引结构化内容（例如电子邮件地址，主机名，状态代码，邮政编码或标签）的字段，这些字段被拆分后不具有意义，所以在es中应索引完整的字段，而不是分词后的结果。
通常用于过滤（例如在博客中根据发布状态来查询所有已发布文章），排序和聚合。keyword只能按照字段精确搜索，例如根据文章id查询文章详情。如果想根据本字段进行全文检索相关词汇，可以使用text类型。
PUT my_index { "mappings": { "properties": { "tags": { "type": "keyword" } } } }
- index：是否可以被搜索到。默认是
true -
fields：Multi-fields允许同一个字符串值同时被不同的方式索引，例如用不同的analyzer使一个field用来排序和聚类，另一个同样的string用来分析和全文检索。下面会做详细的说明
-
null_value：如果该字段为空，设置的默认值，默认为
null -
ignore_above：设置索引字段大小的阈值。该字段不会索引大小超过该属性设置的值，默认为2147483647，代表着可以接收任意大小的值。但是这一值可以被
PUT Mapping Api中新设置的ignore_above来覆盖这一值。
date类型
支持排序，且可以通过format字段对时间格式进行格式化。
json中没有时间类型，所以在es在规定可以是以下的形式：
- 一段格式化的字符串，例如
"2015-01-01"或者"2015/01/01 12:10:30" -
一段
long类型的数字，指距某个时间的毫秒数，例如1420070400001 -
一段
integer类型的数字，指距某个时间的秒数
object类型
mapping中不用特意指定field为object类型，因为这是它的默认类型。
json类型天生具有层级的概念，文档内部还可以包含object类型进行嵌套。例如：
PUT my_index { "mappings": { "properties": { "region": { "type": "keyword" }, "manager": { "properties": { "age": { "type": "integer" }, "name": { "properties": { "first": { "type": "text" }, "last": { "type": "text" } } } } } } } }
nest类型
nest类型是一种特殊的object类型，它允许object可以以数组形式被索引，而且数组中的某一项都可以被独立检索。
而且es中没有内部类的概念，而是通过简单的列表来实现nest效果，例如下列结构的文档：
上面格式的对象会被按照下列格式进行索引，因此会发现一个user中的两个属性值不再匹配，alice和white失去了联系
range类型
支持以下范围类型：
| 类型 | 范围 |
|---|---|
| integer_range | -2的31次 到 2的31次-1. |
| float_range | 32位单精度浮点数 |
| long_range | -2的63次 到 2的63次-1. |
| double_range | 64位双精度浮点数 |
| date_range | unsigned 64-bit integer milliseconds |
| ip_range | ipv4和ipv6或者两者的混合 |
实战：同时使用keyword和text类型
注：term是查询时对关键字不分词，keyword是索引时不分词
上述我们讲解过keyword和text一个不分词索引，一个是分词后索引，我们利用他们的fields属性来让当前字段同时具备keyword和text类型。
首先我们创建索引并指定mapping，为title同时设置keyword和text属性
我们已经往es中插入以下数据
| _index | _type | _id | _score | itemId | title | desc | num | Price |
|---|---|---|---|---|---|---|---|---|
| idx_item | _doc | rvsX-W4Bo-iJGWqbQ8dk | 1 | 1 | 苏泊尔煮饭SL3200 | 让煮饭更简单，让生活更快乐 | 100 | 200 |
| idx_item | _doc | sPsY-W4Bo-iJGWqbscfU | 1 | 3 | 厨房能手威猛先生 | 你煲粥，我洗锅 | 100 | 30 |
| idx_item | _doc | r_sX-W4Bo-iJGWqbhMew | 1 | 2 | 苏泊尔煲粥好能手型号SL322 | 你煲粥，我煲粥，我们一起让煲粥更简单 | 100 | 190 |
title=”苏泊尔煮饭SL3200“ 根据text以及最细粒度分词设置"analyzer": "ik_max_word"，在es中按照以下形式进行索引存储
title.keyword=”苏泊尔煮饭SL3200因为不分词，所以在es中索引存储形式为
我们首先对title.keyword进行搜索，只能搜索到第一条数据，因为match搜索会将关键字分词然后去搜索，分词后的结果包含"苏泊尔煮饭SL3200"所以搜索成功，我们将搜索关键字改为苏泊尔、煮饭等都不会查到数据。
我们改用term搜索，他搜索不会分词，正好与es中的数据精准匹配，也只有第一条数据，我们将搜索关键字改为苏泊尔、煮饭等都不会查到数据。
我们继续对title使用match进行查询，结果查到了第一条和第三条数据，因为它们在es中被索引的数据包含苏泊尔关键字
我们如果搜索苏泊尔煮饭SL3200会发现没有返回数据，因为title在索引时没有苏泊尔煮饭SL3200这一项，而term时搜索关键字也不分词，所以无法匹配到数据。但是我们将内容改为苏泊尔时，就可以搜索到第一条和第三条内容，因为第一条和第三条的title被分词后的索引包含苏泊尔字段，所以可以查出第一三条。
实战：格式化时间、以及按照时间排序
我们创建索引idx_pro，将mytimestamp和createTime字段分别格式化成两种时间格式
插入四组样本数据
我们可以使用sort参数来进行排序，并且支持数组形式，即同时使用多字段排序，只要改为[]就行
我们也可以使用range参数来搜索指定时间范围内的数据，当然range也支持integer、long等类型