ElasticSearch 6.x 学习笔记：12.字段类型

- 日理万妓 2021-06-22 15:37 420阅读 0赞

### 字段类型概述 ###

<table> 
 <tbody> 
  <tr> 
   <th>一级分类</th> 
   <th>二级分类</th> 
   <th>具体类型</th> 
  </tr> 
  <tr> 
   <td>核心类型</td> 
   <td>字符串类型</td> 
   <td>string,text,keyword</td> 
  </tr> 
  <tr> 
   <td>整数类型</td> 
   <td>integer,long,short,byte</td> 
  </tr> 
  <tr> 
   <td>浮点类型</td> 
   <td>double,float,half_float,scaled_float</td> 
  </tr> 
  <tr> 
   <td>逻辑类型</td> 
   <td>boolean</td> 
  </tr> 
  <tr> 
   <td>日期类型</td> 
   <td>date</td> 
  </tr> 
  <tr> 
   <td>范围类型</td> 
   <td>range</td> 
  </tr> 
  <tr> 
   <td>二进制类型</td> 
   <td>binary</td> 
  </tr> 
  <tr> 
   <td>复合类型</td> 
   <td>数组类型</td> 
   <td>array</td> 
  </tr> 
  <tr> 
   <td>对象类型</td> 
   <td>object</td> 
  </tr> 
  <tr> 
   <td>嵌套类型</td> 
   <td>nested</td> 
  </tr> 
  <tr> 
   <td>地理类型</td> 
   <td>地理坐标类型</td> 
   <td>geo_point</td> 
  </tr> 
  <tr> 
   <td>地理地图</td> 
   <td>geo_shape</td> 
  </tr> 
  <tr> 
   <td>特殊类型</td> 
   <td>IP类型</td> 
   <td>ip</td> 
  </tr> 
  <tr> 
   <td>范围类型</td> 
   <td>completion</td> 
  </tr> 
  <tr> 
   <td>令牌计数类型</td> 
   <td>token_count</td> 
  </tr> 
  <tr> 
   <td>附件类型</td> 
   <td>attachment</td> 
  </tr> 
  <tr> 
   <td>抽取类型</td> 
   <td>percolator</td> 
  </tr> 
 </tbody> 
</table>

### 12.2 字符串类型 ###

**（1）string**   
string类型在ElasticSearch 旧版本中使用较多，从ElasticSearch 5.x开始不再支持string，由text和keyword类型替代。   
**（2）text**   
当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合。   
**（3）keyword**   
keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通过精确值搜索到。

### 12.3 整数类型 ###

<table> 
 <thead> 
  <tr> 
   <th>类型</th> 
   <th>取值范围</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>byte</td> 
   <td>-128~127</td> 
  </tr> 
  <tr> 
   <td>short</td> 
   <td>-32768~32767</td> 
  </tr> 
  <tr> 
   <td>integer</td> 
   <td>-2^31~2^31-1</td> 
  </tr> 
  <tr> 
   <td>long</td> 
   <td>-2^63~2^63-1</td> 
  </tr> 
 </tbody> 
</table>

在满足需求的情况下，尽可能选择范围小的数据类型。比如，某个字段的取值最大值不会超过100，那么选择byte类型即可。迄今为止吉尼斯记录的人类的年龄的最大值为134岁，对于年龄字段，short足矣。字段的长度越短，索引和搜索的效率越高。

### 12.4 浮点类型 ###

<table> 
 <thead> 
  <tr> 
   <th>类型</th> 
   <th>取值范围</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>doule</td> 
   <td>64位双精度IEEE 754浮点类型</td> 
  </tr> 
  <tr> 
   <td>float</td> 
   <td>32位单精度IEEE 754浮点类型</td> 
  </tr> 
  <tr> 
   <td>half_float</td> 
   <td>16位半精度IEEE 754浮点类型</td> 
  </tr> 
  <tr> 
   <td>scaled_float</td> 
   <td>缩放类型的的浮点数</td> 
  </tr> 
 </tbody> 
</table>

对于float、half\_float和scaled\_float,-0.0和+0.0是不同的值，使用term查询查找-0.0不会匹配+0.0，同样range查询中上边界是-0.0不会匹配+0.0，下边界是+0.0不会匹配-0.0。

其中scaled\_float，比如价格只需要精确到分，price为57.34的字段缩放因子为100，存起来就是5734   
优先考虑使用带缩放因子的scaled\_float浮点类型。

### 12.5 date类型 ###

我们人类使用的计时系统是相当复杂的：秒是基本单位, 60秒为1分钟, 60分钟为1小时, 24小时是一天……如果计算机也使用相同的方式来计时, 那显然就要用多个变量来分别存放年月日时分秒, 不停的进行进位运算, 而且还要处理偶尔的闰年和闰秒以及协调不同的时区. 基于”追求简单”的设计理念, UNIX在内部采用了一种最简单的计时方式：

计算从UNIX诞生的UTC时间1970年1月1日0时0分0秒起, 流逝的秒数. 
    UTC时间1970年1月1日0时0分0秒就是UNIX时间0, UTC时间1970年1月2日0时0分0秒就是UNIX时间86400. 
    这个计时系统被所有的UNIX和类UNIX系统继承了下来, 而且影响了许多非UNIX系统.

日期类型表示格式可以是以下几种：   
（1）日期格式的**字符串**，比如 “2018-01-13” 或 “2018-01-13 12:10:30”   
（2）long类型的**毫秒数**( milliseconds-since-the-epoch，epoch就是指UNIX诞生的UTC时间1970年1月1日0时0分0秒)   
（3）integer的**秒数**(seconds-since-the-epoch)

ElasticSearch 内部会将日期数据转换为UTC，并存储为milliseconds-since-the-epoch的long型整数。   
例子：日期格式数据   
（1）创建索引

DELETE test
    
    PUT test
    {
      "mappings":{
        "my":{
          "properties": {
            "postdate":{
              "type":"date",
              "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
            }
          }
        }
      }
    }

（2）写入文档

PUT test/my/1
    {
      "postdate":"2018-01-13"
    }
    PUT test/my/2
    {
      "postdate":"2018-01-01 00:01:05"
    }
    PUT test/my/3
    {
      "postdate":"1420077400001"
    }

（3）批量查询

GET test/my/_mget
    {
      "ids":["1","2","3"]
    }

{
      "docs": [
        {
          "_index": "test",
          "_type": "my",
          "_id": "1",
          "_version": 1,
          "found": true,
          "_source": {
            "postdate": "2018-01-13"
          }
        },
        {
          "_index": "test",
          "_type": "my",
          "_id": "2",
          "_version": 1,
          "found": true,
          "_source": {
            "postdate": "2018-01-01 00:01:05"
          }
        },
        {
          "_index": "test",
          "_type": "my",
          "_id": "3",
          "_version": 2,
          "found": true,
          "_source": {
            "postdate": "1420077400001"
          }
        }
      ]
    }

### 12.6 boolean类型 ###

逻辑类型（布尔类型）可以接受true/false/”true”/”false”值   
（1）先删除已经存在的索引，再创建

DELETE test
    
    PUT test
    {
      "mappings":{
        "my":{
          "properties": {
            "empty":{"type":"boolean"}
          }
        }
      }
    }

（2）添加文档

PUT test/my/1
    {
      "empty":"true"
    }
    
    PUT test/my/2
    {
      "empty":false
    }

（3）查看文档

GET test/my/_mget
    {
      "ids":["1","2"]
    }

{
      "docs": [
        {
          "_index": "test",
          "_type": "my",
          "_id": "1",
          "_version": 1,
          "found": true,
          "_source": {
            "empty": "true"
          }
        },
        {
          "_index": "test",
          "_type": "my",
          "_id": "2",
          "_version": 1,
          "found": true,
          "_source": {
            "empty": false
          }
        }
      ]
    }

### 12.7 binary类型 ###

二进制字段是指用base64来表示索引中存储的二进制数据，可用来存储二进制形式的数据，例如图像。默认情况下，该类型的字段只存储不索引。二进制类型只支持index\_name属性。

### 12.7 array类型 ###

在ElasticSearch中，没有专门的数组（Array）数据类型，但是，在默认情况下，任意一个字段都可以包含0或多个值，这意味着每个字段默认都是数组类型，只不过，数组类型的各个元素值的数据类型必须相同。在ElasticSearch中，数组是开箱即用的（out of box），不需要进行任何配置，就可以直接使用。

在同一个数组中，数组元素的数据类型是相同的，ElasticSearch不支持元素为多个数据类型：\[ 10, “some string” \]，常用的数组类型是：

（1）字符数组: \[ “one”, “two” \]   
（2）整数数组: productid:\[ 1, 2 \]   
（3）对象（文档）数组: “user”:\[ \{ “name”: “Mary”, “age”: 12 \}, \{ “name”: “John”, “age”: 10 \}\]，ElasticSearch内部把对象数组展开为 \{“user.name”: \[“Mary”, “John”\], “user.age”: \[12,10\]\}

### 12.8 object类型 ###

JSON天生具有层级关系，文档会包含嵌套的对象

DELETE test
    
    PUT test
    
    PUT test/my/1
    {
      "employee":{
        "age":30,
        "fullname":{
          "first":"hadron",
          "last":"cheng"
        }
      }
    }

上面文档整体是一个JSON，JSON中包含一个employee,employee又包含一个fullname。

GET test/_mapping

{
      "test": {
        "mappings": {
          "my": {
            "properties": {
              "employee": {
                "properties": {
                  "age": { "type": "long"},
                  "fullname": {
                    "properties": {
                      "first": {
                        "type": "text",
                        "fields": {
                          "keyword": {
                            "type": "keyword",
                            "ignore_above": 256
                          }
                        }
                      },
                      "last": {
                        "type": "text",
                        "fields": {
                          "keyword": {
                            "type": "keyword",
                            "ignore_above": 256
                          }
                        }
                      }
                    }
                  }
                }
              }
            }
          }
        }
      }
    }

### 12.9 ip类型 ###

ip类型的字段用于存储IPv4或者IPv6的地址   
（1）创建索引

DELETE test
    
    PUT test
    {
      "mappings": {
        "my":{
          "properties": {
            "nodeIP":{
              "type": "ip"
            }
          }
        }
      }
    }

（2）查询字段

GET test/_search
    {
      "query": {
        "term": {
          "nodeIP": "192.168.0.0/16"
        }
      }
    }

{
      "took": 111,
      "timed_out": false,
      "_shards": {
        "total": 5,
        "successful": 5,
        "skipped": 0,
        "failed": 0
      },
      "hits": {
        "total": 1,
        "max_score": 1,
        "hits": [
          {
            "_index": "test",
            "_type": "my",
            "_id": "1",
            "_score": 1,
            "_source": {
              "nodeIP": "192.168.1.2"
            }
          }
        ]
      }
    }