elasticsearch mapping之fields

最新推荐文章于 2025-06-28 16:46:05 发布

原创最新推荐文章于 2025-06-28 16:46:05 发布 · 4.6k 阅读

14 ·

CC 4.0 BY-SA版权

elasticsearch 专栏收录该内容

53 篇文章

订阅专栏

探讨了Elasticsearch中同一字段配置不同类型的灵活性，如text与keyword，以及使用多种Analyzer进行分词与词根转换的技术实践。展示了如何通过复合查询提高搜索相关性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ES允许同一个字段有两个不同的类型，例如一个字段可以拥有keyword类型来进行聚合与排序，也可以拥有text来做全文检索。
举例如下：

PUT my_index
{
  "mappings": {
    "type": {
      "properties": {
        "city": {
          "type": "text",
          "fields": {
            "raw": {
              "type": "keyword"
            }
          }
        }
      }
    }
  }
}

PUT my_index/type/1
{
  "city": "New York"
}

PUT my_index/_doc/2
{
  "city": "York"
}

GET my_index/_search
{
  "query": {
    "match": {
      "city": "york" 
    }
  },
  "sort": {
    "city.raw": "asc" 
  },
  "aggs": {
    "Cities": {
      "terms": {
        "field": "city.raw" 
      }
    }
  }
}

这样city字段就有两个属性了分别是text和keyword，city字段可以用作全文检索，city.raw可以用作排序和聚合。
此外还可以使用不同的analyzer，例如我们可以使用standard analyzer来进行分词，同时使用english analyzer来将单词转为词根。例如：

PUT my_index
{
  "mappings": {
    "properties": {
      "text": { 
        "type": "text", //text 这个使用`standard` analyzer
        "fields": {
          "english": { 
            "type":     "text",
            "analyzer": "english" // text.english使用`english ` analyzer
          }
        }
      }
    }
  }
}

PUT my_index/_doc/1
{ "text": "quick brown fox" } 

PUT my_index/_doc/2
{ "text": "quick brown foxes" } 

GET my_index/_search
{
  "query": {
    "multi_match": {
      "query": "quick brown foxes",
      "fields": [ 
        "text",
        "text.english"  
      ],  // text and text.english fields and combine the scores
      "type": "most_fields" 
    }
  }
}

text字段包含第一条数据中的fox和第二条数据中的foxes，而text.english字段包含两条数据中的fox，因为第二条数据的foxes的词根是fox。
此外查询语句同样被standard analyzer和english analyzer解析，词根接受包含foxes和fox的文档，因此可以匹配更多的文档。通过查询词根可以提高文档的相关性。