如何设计一个高性能Elasticsearch mapping

Posted 2021-05-29 双子孤狼

如何设计一个高性能Elasticsearch mapping

• 前言
• mapping
• • mapping 能做什么
  • Dynamic mapping
  • • dynamic=true
    • dynamic=runtime
    • dynamic=false
    • dynamic=strict
    • 是否可以修改 mapping 中的数据类型
    • 关闭 dynamic mapping
  • Explicit mapping
  • • text 类型
    • keyword 类型
    • date 类型
    • numeric 类型
    • boolean 类型
    • 其他类型
• 总结

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":"[e-mail]"
}

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。