如何设计一个高性能 Elasticsearch mapping
前言
在关系型数据库设计当中,表的设计尤其重要,然而关系型数据库更关注的表与表之间的关系,以及表的划分是否合理,而 Elasticsearch
中却更加关注字段类型的设计,一个好的字段类型设计可以更好的利用 Elasticsearch
的搜索分析特性。
mapping
如果说我们想要用好 Elasticsearch
,那么就必须要先了解 mapping
什么是 mapping
。一句话:mapping
是定义如何存储和索引文档及其包含的字段的过程。
mapping 能做什么
前面我们提到,在 Elasticsearch
中,mapping
类似于传统关系型数据库的表结构定义,主要做以下几件事:
- 定义字段名称和字段类型。
- 定义倒排索引相关的配置,比如是否被索引,是否可以被分词等。
mapping
可以分为两种:Dynamic mapping
和 Explicit mapping
。
Dynamic mapping
Dynamic mapping
即:动态映射。动态映射顾名思义就是 mapping
会被动态创建,也就是说我们不需要定义 mapping
就可以往一个索引插入数据,插入索引数据之后,Elasticsearch
会根据插入的数据自动推测数据类型,进而动创建 mapping
。
比如下面就是往一个不存在的索引 index_001
插入一条数据:
PUT index_001/_doc/1
{
"name":"lonely wolf",
"age": 18,
"create_date":"2021-05-19 20:45:11",
"update_date":"2021-05-23"
}
插入数据之后,执行 GET index_001
来查询一下索引信息:
可以发现,这时候索引已经被自动创建了,而且 age
字段被 Elasticsearch
定义为 long
类型,update_date
被定义为 data
类型,其他两个字段则被推测为 text
类型。
Elasticsearch
中自动映射类型规则可以通过 dynamic
参数进行配置,dynamic
类型有 4
种:
dynamic=true
默认值。当设置为 true
时,一旦有新字段插入文档,则 mapping
会被同步更新。
我们在上面的文档中再插入一个新文档,新文档新增一个 address
字段:
PUT index_001/_doc/2
{
"name":"lonely wolf2",
"age": 20,
"create_date":"2021-05-23 11:37:11",
"update_date":"2021-05-23",
"address":"广东深圳"
}
然后再查看一下 mapping
,可以看到 mapping
已经新增了一个 address
字段,mapping
字段被更新意味着该字段会加入索引:
dynamic=runtime
这个类型和 true
类型非常相似,但是有一个非常大的区别就是,虽然加入新字段也会更新 mapping
,但是新加入的字段不会被索引,也就是不会使得索引变大,不过虽然不被索引,但是新加入的字段依然可以被查询,只是查询的代价会更大。所以这种类型一般不建议用在经常查询的条件字段上,而更适合用在一些不确定数据结构的日志类索引中。
修改 dynamic
类型:
PUT index_001/_mapping
{
"dynamic": "runtime"
}
新增一个文档,并加入一个新字段:
PUT index_001/_doc/3
{
"email":"123@qq.com"
}
最后询一下 mapping
,可以看到字段属性是 runtime
,而且类型是 keyword
:
下表就是自动创建 mapping
时,Elasticsearch
的映射关系:
插入数据类型 | dynamic=true | dynamic=runtime |
---|---|---|
null | 不会添加任何字段 | 不会添加任何字段 |
true 或 false | boolean | boolean |
double | float | double |
integer | long | long |
object | object | object |
string(通过 date 校验) | date | date |
string(通过 numreic 校验) | float 或 long | double 或 long |
string(没有通过 date 或 numreic 校验) | text ,并且同时会创建一个 keyword 子域 | keyword |
array | 取决于数组中第一个非 null 值 | 取决于数组中第一个非 null 值 |
PS:keyword
表示 不参与分词。
dynamic=false
当设置为 false
时,新加入的字段不会被更新到 mapping
,也就是说新字段不会被索引,故以这个字段为条件进行搜索时,无法被搜索到(这一点要注意和 runtime
类型进行区分),不过虽然无法被索引,但是该字段会出现在 _source
中。也就是说该字段不能作为查询条件,但是能被查询出来。
接下来我们将 dynamic
修改为 false
,并新增一个字段来验证,可以发现新增的字段会出现在 _source
中,但是无法作为条件被查询出来:
dynamic=strict
这种类型最为严格,表示不允许新增一个不在 mapping
中的字段,一旦新增的字段不在 mapping
定义中,则直接报错:
是否可以修改 mapping 中的数据类型
在 Elasticsearch
中,一旦一个字段被定义在了 mapping
中,是无法被修改的,因为一旦字段被修改了,就会无法被索引(新增字段除外),所以一般我们需要修改索引的话,都会重建索引,并采用 reindex
操作来迁移数据。
关闭 dynamic mapping
可以通过以下两个配置来关闭 dynamic mapping
,以下两个属性默认值均为 true
,如果需要关闭,则需要修改为 false
:
action.auto_create_index: true
index.mapper.dynamic: true
Explicit mapping
Explicit mapping
即:显式映射。也就是说这时候我们需要显示的定义字段类型。
Elasticsearch
中支持的字段类型很多,在这里就举一些比较常用的字段类型:
text 类型
这是最常用的一种类型,存储字符串,用于全文索引。当字段被定义为 text
类型时,默认不能用于聚合,排序等操作:
可以看到,用 text
类型字段排序汇报凑,如果想要允许这些操作,可以通过设置 fielddata=true
,如下
PUT my-index-011/_mapping
{
"properties": {
"my_field": {
"type": "text",
"fielddata": true
}
}
}
field
字段存储在堆内存中,因为其涉及到的计算比较消耗性能,所以一般不建议设置 fielddata=true
,而是通过建立一个 keyword
子域来实现(默认方式):
PUT index_111
{
"mappings": {
"properties": {
"my_field": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword"
}
}
}
}
}
}
这种定义方式我们可以将一个字段同时作为 text
和 keyword
类型使用,如果要用于聚合或者排序等操作则可以使用 字段名.keyword
来作为字段名来进行操作:
keyword 类型
这种类型也非常常用,该字段存储的数据表示一个整体,不可被分词,所以一般不会用来定义大本文的全文检索字段,而是用来存储一些结构化的字符串,比如:id,邮箱,标签等。
keyword
类型一般用于聚合,排序等操作。除此之外,该字段还有两种衍生类型:constant_keyword
和 wildcard
。
-
constant_keyword
:一般用于定义常量类型,比如一个索引中某一个字段全部为同一个值,可以定义为这种类型。 -
wildcard
:一般用于模糊匹配查询或者正则匹配查询。
如下就是一个模糊匹配查询的示例(可以配合通配符使用,类似于关系型数据库的 like
操作):
GET index_112/_search
{
"query": {
"wildcard": {
"my_wildcard": {
"value": "*quite*lengthy"
}
}
}
}
date 类型
用于定义日期类型,定义日期类型的同时,可以通过 format
来指定日期的格式:
PUT index_113
{
"mappings": {
"properties": {
"date": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
}
}
}
}
numeric 类型
Elasticsearch
中提供了比较多的格式用来表示不同长度的数字类型:
数字类型 | 长度 |
---|---|
long | 64 位有符号整数。范围:-2 的 63 次方到 2 的 63 次方 -1 |
integer | 32 位有符号整数。范围:-2 的 31 次方到 2 的 31 次方 -1 |
short | 16 位有符号整数。范围:-32768 到 32767 |
byte | 8 位有符号整数。范围:-128 到 127 |
double | 64 位双精度小数 |
float | 32 位单精度小数 |
half_float | 16 位单精度小数 |
scaled_float | 带有缩放因子的浮点数,一般适用于存放金额之类的数据。比如 18.88 元,缩放因子是 100,那么在索引时会被索引为 1888(即:原值 * 缩放因子) |
unsigned_long | 64 位无符号整数。范围:0 到 2 的 64 次方减 1 |
定义方式如下所示:
PUT index_002
{
"mappings": {
"properties": {
"number_of_bytes": {
"type": "integer"
},
"time_in_seconds": {
"type": "float"
},
"price": {
"type": "scaled_float",
"scaling_factor": 100
}
}
}
}
boolean 类型
布尔类型比较简单,只有 true
和 false
两种:
PUT index_001
{
"mappings": {
"properties": {
"is_published": {
"type": "boolean"
}
}
}
}
其他类型
除了上面介绍的一些比较常用的数据类型,Elasticsearch
中还有一些高级数据类型:如 Nested(嵌套类型),地理数据类型,ip
类型等。
总结
Elasticsearch
中支持动态 mapping
和显示 mapping
两种,在使用中有时候可以先插入一条数据到临时索引,等自动生成 mapping
之后,在对现有 mapping
进行修改调整,在字段上尤其要考虑好 text
类型和 keyword
类型的设置,如果需要支持全文搜索和分词搜索,则需要使用 text
类型,需要支持关键字模糊搜索或者聚合排序等操作可以考虑使用 keyword
字段。