ES 系列（三）：ES 的数据类型详解
source link: https://mp.weixin.qq.com/s/_r5V0lC5lK-JJa51p5DhDQ
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
引言：上一节，我们学习了ES的基本概念和ES的数据架构。今天，TeHero将为大家讲解ES的数据类型。
数据的存储，都是需要预先确定好数据的类型的，不管是关系型数据库mysql还是非关系型数据库MongoDB，都有一套数据类型系统（两者很类似，但也有区别）。 那么ES的数据类型有哪些呢？TeHero为你倾情讲解^~^。
ES的数据类型汇总
从上图可以看到ES的数据类型和mysql或MongoDB的是很相似的，所以对于有数据结构基础的伙伴，这个知识点是非常轻松的。
TeHero将详细为大家介绍上图中标红的 4种数据类型 （数值类型就很一目了然）【ps：如果你还想了解其他的类型，可以直接进ES的官网阅读】， 让大家在以后的工作中能熟练使用，知道什么时候该用哪种类型，该怎么用。
一、String 类型
String类型可以和java的string、mysql的varchar等同，但是为何会分为text、keyword呢？这两者又有什么区别？
ES作为全文检索引擎，它强大的地方就在于 分词 和倒排序索引。而 text 和 keyword 的区别就 在于是否分词 （ps：什么叫分词？举个简单例子，“中国我爱你”这句话，如果使用了分词，那么这句话在底层的储存可能就是“中国”、“我爱你”， 被拆分成了两个关键字 ），分词后面TeHero会专门写文章进行讲解，敬请期待哟。
1）text——会分词
就拿刚才的例子来说，“中国我爱你”这句话，如果使用text类型储存，我们不去特殊定义它的分词器， 那么ES就会使用默认的分词器 standard 。
下图就是“中国我爱你”的ES分词效果：
这意味着什么呢？如果你使用text类型去储存你 本不想分词的string类型 ，你在查询的时候，查询结果 将违背你的预期。
简单看个示例：
# 创建索引
PUT /toherotest
{
"mappings": {
"_doc":{
"properties" : {
"field1" : { "type" : "text" }
}
}
}
}
# 存入数据
POST /toherotest/_doc/1
{
"field1":"中国我爱你"
}
# 查询 索引下的所有数据
GET /toherotest/_doc/_search
条件查询，等价于mysql的 where field1 = "中国我爱你" 。 发现居然查询不到
GET /toherotest/_doc/_search
{
"query": {
"term": {
"field1": {
"value": "中国我爱你"
}
}
}
}
再根据刚才的ES分词效果，我们 检索其中一个字 ， 居然神奇的检索到了
GET /toherotest/_doc/_search
{
"query": {
"term": {
"field1": {
"value": "中"
}
}
}
}
这是为什么呢？我们发现在使用term查询（等价于mysql的=）时却查不到结果，其实就是因为 text类型会分词，简单理解就是“中国我爱你”这句话在ES的倒排序索引中存储的是单个字 ，所以无法检索。
2）keywor——不会分词
我们新增一个keyword类型的字段field2，再来看看检索效果：
# 测试分词效果
GET /_analyze
{
"text": ["中国我爱你"],
"analyzer": "keyword"
}
# 结果
{
"tokens": [
{
"token": "中国我爱你",
"start_offset": 0,
"end_offset": 5,
"type": "word",
"position": 0
}
]
}
# 新增 字段类型 keyword
PUT toherotest/_mapping/_doc
{
"properties": {
"field2": {
"type": "keyword"
}
}
}
# 新增数据
PUT /toherotest/_doc/12
{
"field2":"中国我爱你"
}
# 查询
GET /toherotest/_doc/_search
{
"query": {
"term": {
"field2": {
"value": "中国我爱你"
}
}
}
}
可以发现，类型为keyword， 通过term是可以查询到，说明ES对keyword是没有分词的。
二、date 时间类型 —— 可规定格式
对于date类型，和mysql的几乎一样，唯一的注意点就是， 储存的格式，ES是可以控制的 。
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"date": {
"type": "date"
}
}
}
}
}
PUT my_index/_doc/1
{ "date": "2015-01-01" }
PUT my_index/_doc/2
{ "date": "2015-01-01T12:10:30Z" }
PUT my_index/_doc/3
{ "date": 1420070400001 }
GET my_index/_search
{
"sort": { "date": "asc"}
}
大家可以用kibana试试， 3种格式都可以的。
同时ES的date类型 允许我们规定格式 ，可以使用的格式有：
yyyy-MM-dd HH:mm:ss
yyyy-MM-dd
epoch_millis（毫秒值）
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"date": {
"type": "date",
"
format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
}
}
}
}
}
注意：一旦我们规定了格式，如果新增数据不符合这个格式，ES将会报错mapper_parsing_exception。
三、复杂类型
ES的复杂类型有3个，Array、object、nested。
1）Array：在Elasticsearch中， 数组不需要专用的字段数据类型 。默认情况下， 任何字段都可以包含零个或多个值 ，但是，数组中的所有值都 必须具有相同的数据类型。
举个简单例子理解下：比如上一个例子中的field1这个字段，可以只存储一个值“中国我爱你”，同时也可以存储一个数组：["这是","一个","数组"]
# 新增数据
POST /toherotest/_doc/2
{
"field1":["这是","一个","数组"]
}
2）object我相信大家都能理解；需要注意的是， object类型的字段，也可以有多个值 ，形成List<object>的数据结构。
重点：List<object>中的 object不允许彼此独立地索引查询 。这是什么意思呢？
举个简单例子：我们现在有2条数据：数据结构都是一个List<object>
# 第一条数据：[ { "name":"tohero1", "age":1 }, { "name":"tohero2", "age":2 } ]
# 第二条数据：[ { "name":"tohero1", "age":2 }, { "name":"tohero2", "age":1 } ]
如果此时我们的需求是，只要 name = “tohero1”and “age”= 1 的数据，根据我们常规的理解，只有第一条数据才能被检索出来，但是真的是这样么？我们写个例子看看：
# 添加 属性为object的字段 field3
PUT toherotest/_mapping/_doc
{
"properties": {
"field3": {
"type": "object"
}
}
}
# 新增数据
POST /toherotest/_doc/3
{
"field3":[ { "name":"tohero1", "age":1 }, { "name":"tohero2", "age":2 } ]
}
POST /toherotest/_doc/4
{
"field3": [ { "name":"tohero1", "age":2 }, { "name":"tohero2", "age":1 } ]
}
#执行查询语句
GET /toherotest/_doc/_search
{
"query": {
"bool": {
"must": [
{
"term": {
"field3.name": "tohero1"
}
},
{
"term": {
"field3.age": 1
}
}
]
}
}
}
（ps：现在看不懂查询语句，没关系， 主要是理解几个类型的差异， 可以后面学了查询语句再回头看查询语句）查询语句等价于mysql的 where name = “tohero1”and “age”= 1
查询结果如下：
{
"took": 2,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 2,
"max_score": 1.287682,
"hits": [
{
"_index": "toherotest",
"_type": "_doc",
"_id": "4",
"_score": 1.287682,
"_source": {
"field3": [
{
"name": "tohero1",
"age": 2
},
{
"name": "tohero2",
"age": 1
}
]
}
},
{
"_index": "toherotest",
"_type": "_doc",
"_id": "3",
"_score": 1.287682,
"_source": {
"field3": [
{
"name": "tohero1",
"age": 1
},
{
"name": "tohero2",
"age": 2
}
]
}
}
]
}
}
可以看到两条数据都被我们检索到了。 所以，现在理解什么叫做“ object不允许彼此独立地索引查询” 了吧。
但是，我们在日常的使用过程中，常规的需求就是， 希望object能被独立的索引， 难道es满足不了这个需求么？那是不可能。下面就来看下nested类型。
3）nested 类型
需要建立对象数组的索引并保持数组中每个对象的独立性，则应使用nested数据类型而不是 object数据类型。在内部，嵌套对象索引阵列作为一个单独的隐藏文档中的每个对象，这意味着每个嵌套的对象可以被独立的查询。
备注：关于nested类型，TeHero在此就不写实例了，因为对于nested的应用本身属于ES的高级操作 ，后面TeHero会单独出一期关于nested的使用教程。
对于复杂类型，目前先知道 object和nested类型的区别即可。
三、GEO 地理位置类型
对于 GEO 地理位置类型，分为 地图：Geo-point 和 形状 ：Geo-shape，两种数据类型。
对于web开发，一般常用的是 地图类型 Geo-point。
要求：先知道如何定义，如何查询即可
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"location": {
"type": "geo_point"}
}
}
}
}
PUT my_index/_doc/1
{
"text": "Geo-point as an object",
"location": {
"lat": 41.12,
"lon": -71.34
}
}
PUT my_index/_doc/2
{
"text": "Geo-point as a string",
"location": "41.12,-71.34"
}
PUT my_index/_doc/3
{
"text": "Geo-point as a geohash",
"location": "drm3btev3e86"
}
PUT my_index/_doc/4
{
"text": "Geo-point as an array",
"location": [ -71.34, 41.12 ]
}
距离查询：距离某个点方圆200km
GET /my_locations/_search
{
"query": {
"bool" : {
"must" : {
"match_all" : {}
},
"filter" : {
"geo_distance" : {
"distance" : "200km",
"pin.location" : {
"lat" : 40,
"lon" : -70
}
}
}
}
}
}
到此，ES的数据类型就讲解完了。里面的DSL语句如果看不懂，没关系！通过本文章的学习，你知道了ES有哪些数据类型，这3个重点类型的注意点、使用区别和场景，就足够了。
下期预告：ES索引和文档的 CRUD 操作
（记得关注公众号： ZeroTeHero ，获取最新文章推送哟）
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK