Elasticsearch實戰系列(七)--ES中字段的定義

一、字段的類型

1. 核心類型
   1. 字符串text和keyword
   2. 數值
   3. 日期
   4. 布爾
2. 其它類型
   1. 核心類型派生的複雜類型數組
   2. 嵌套類型，它允許在文檔中包含其它文檔
3. 字符串text和keyword
   1. 其中text分詞用於全文檢索，而keyword不分詞用於聚合和排序
4. 數值類型
   1. 可以是浮點數、也可以是非浮點數。如果不需要小數，可以選擇byte、short、int或者long
   2. 對於它們的選擇將會影響索引的大小，以及能夠索引的取值範圍
   3. 當不知道整數的範圍或者浮點數的精度時：
      1. 爲整數分配long，爲浮點數分配double。缺點在於索引可能變的更大。因爲這兩種類型佔據了更多的空間
5. 日期類型：
   1. 用於存儲日期和時間
   2. 運行方式：
      1. 提供一個表示日期的字符串，然後ES解析該字符串，將其作爲long的數值存入到Lucene的索引。該long型數值是從1970年1月1號00:00:00 UTC(UNIX紀元)到所提供的時間之間已經過去的毫秒數
   3. 搜索時：
      1. 提供date的字符串，在後臺ES解析這些字符串並按照數值來處理。這樣做的原因是：和字符串相比，數值在存儲和處理時更快
   4. ES默認解析ISO 8601的時間戳
   5. 使用format選項來指定日期格式有兩種方式
      1. 使用預定義的日期格式
      2. 設置自己定製的格式
6. 布爾類型：
   1. 用於存儲文檔中的true/false
   2. 當未設置mapping前直接索引文檔，文檔中設置爲true或false的字段被自定映射爲boolean，在Lucene的索引中被存儲爲代表true的T或者代表false的F。類似於日期類型，ES解析在文檔中提供的值，將true和false分別轉化爲T和F
7. 數組：
   1. 當需要索引擁有多個值得字段，將這些值放入到方括號中
   2. ES處理方式：
      1. ES並沒有定義一個數組，映射將該字段定義爲字符串(keyword類型)，和單個值同樣處理
   3. 核心類型都支持數組，無須修改映射，即可以使用單一值也可以使用數組

二、index選項

1. index可以設置爲analyzed、not_analyzed、no
2. analyzed:
   1. 分析器將所有字符轉化爲小寫，並將字符串分解爲單詞。當期望每個單詞被完整匹配時，請使用這種選項
3. not_analyzed
   1. 分析過程被忽略，整個字符串被當單獨的詞條進行索引。
   2. 當進行精確匹配時，請使用這個選項，比如搜索標籤。如希望"big data"出現在搜索"big data"的結果中，而不是出現在搜索"data"的結果中
4. no:
   1. 索引被忽略，也沒有詞條產生，因此無法在那個字段上進行搜索
   2. 當無須在這個字段上搜索時，這個選項節省了存儲空間，也縮短了索引和搜索的時間
5. 注：
   1. 在ES6之後，index屬性支持false和true,false不能搜索相當於no,true可以索引。默認使用standar分詞

三、多字段

1. 類似於數組允許使用同一個設置索引多項數據，而多字段允許使用不同的設置，對同一項數據索引多次
2. 優勢：
   1. 無須重新索引數據，就能將單字段升級到多字段。若該字段已存在，自動觸發自動升級
3. 缺點：
   1. 一旦子字段已經存在了，就不能將其抹去

四、預定義字段

1. 預定義字段和自定義字段的不同點：
   1. 不用部署預定義字段，ES會做這件事情。例如使用_timestamp字段來記錄文檔索引的日期
   2. 揭示了字段相關的功能。例如_ttl(存活時間，time to live)字段使得ES可以在指定的時間過後刪除某些文檔
   3. 預定義字段總是以下劃線開頭
2. 預定義字段的類別：
   1. 控制如何存儲和搜索你的文檔。_source在索引文檔的時候，存儲原始的JSON文檔。_all將所有的字段一起索引
   2. 唯一識別文檔。包含了索引文檔位置的數據：_uid、_id、_type和_index
   3. 爲文檔增加新的屬性。_size來索引原始JSON內容的大小。使用_timestamp來索引文檔索引的時間，並且使用_ttl來告知Elasticsearch在一定的時候後刪除該文檔
   4. 控制文檔路由到哪些分片。相關字段是_routing和parent
3. 常見的預定義字段：
   1. _source、_all、_uid、_type、_id、_index
4. _source：
   1. 按照原有格式來存儲原有的文檔，_source字段的enabled可以設置爲true或者false，來指定是否想要存儲原始的文檔。默認情況下是true
   2. 當_source已經被存儲，Elasticsearch從那裏獲取所需的字段。也可以通過設置store選項爲yes來存儲個別字段
      1. 優點：相當於檢索整個_source然後抽取而言，檢索單一的存儲字段要更快一些，尤其在文檔很大的時候
      2. 缺點：當存儲單獨的字段時，存儲的越多，索引越大。更大的索引意味着更慢的索引和搜索速度
5. _all：
   1. 類似於_source存儲所有的信息，_all是索引所有的信息
   2. 當搜索_all字段的時候，ElasticSearch將在不考慮時哪個字段匹配的情況下，返回命中的文檔
   3. 在URL中通過q=elasticsearch來指定在_all上進行搜索
6. _uid、_type、_id
   1. _uid字段是由_id和_type字段組成
   2. 由於所有文檔都存儲在同一個Lucene的索引中，ES內部使用_uid來確定唯一文檔
   3. _id通常從_uid抽取出來，但是_type必須單獨索引，這樣當搜索特定類型時，系統才能輕鬆的根據類型來過濾文檔
   4. _type和_id的分離是一種抽象，通過類型的區分使得針對不同結構的運作更爲容易
   5. 是否存儲和索引
      1. _uid默認存儲和索引
      2. _type默認不存儲和不索引
      3. _type默認不存儲和索引
7. _index：
   1. 表示索引名稱，Elasticsearch知道每個結果來自於哪個索引，所以它可以展示_index的值
   2. 在多個索引進行搜索時，可以使用_index字段上的詞條聚集來展示每位用戶所擁有的文檔數量