elasticsearch 数据类型

一 核心类型
字符串
text: (分词)
keyword: (不分词) 结构化字段,如email,状态码等
整数
byte -128~127
short -32768~32767
integer -231~231-1
short -263~263-1
浮点数
doule 64位双精度IEEE 754浮点类型
float 32位单精度IEEE 754浮点类型
half_float 16位半精度IEEE 754浮点类型
scaled_float 缩放类型的的浮点数
说明:
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。
日期
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)
布尔
boolean类型　true和false
binary
　　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。

array类型
    （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 }]，
     注意：lasticSearch不支持元素为多个数据类型：[ 10, “some string” ]

object类型
    JSON对象，文档会包含嵌套的对象
ip类型
    p类型的字段用于存储IPv4或者IPv6的地址

二 Mapping 支持属性

1 enabled：仅存储、不做搜索和聚合分析, "enabled":true （缺省）| false
2 index：是否构建倒排索引（即是否分词，设置false，字段将不会被索引）, "index": true（缺省）| false
3 index_option：存储倒排索引的哪些信息
    4个可选参数：
        docs：索引文档号
        freqs：文档号+词频
        positions：文档号+词频+位置，通常用来距离查询
        offsets：文档号+词频+位置+偏移量，通常被使用在高亮字段
        分词字段默认是positions，其他默认时docs

        "index_options": "docs"
4 norms：是否归一化相关参数、如果字段仅用于过滤和聚合分析、可关闭
    分词字段默认配置，不分词字段：默认{“enable”: false}，存储长度因子和索引时boost，建议对需要参加评分字段使用，会额外增加内存消耗
    "norms": {"enable": true, "loading": "lazy"}
5 doc_value：是否开启doc_value，用户聚合和排序分析
    对not_analyzed字段，默认都是开启，分词字段不能使用，对排序和聚合能提升较大性能，节约内存
    "doc_value": true（缺省）| false
6 fielddata：是否为text类型启动fielddata，实现排序和聚合分析,针对分词字段，参与排序或聚合时能提高性能，不分词字段统一建议使用doc_value
    "fielddata": {"format": "disabled"}
7 store：是否单独设置此字段的是否存储而从_source字段中分离，只能搜索，不能获取值
     "store": false（默认）| true
8 coerce：是否开启自动数据类型转换功能，比如：字符串转数字，浮点转整型
     "coerce: true（缺省）| false"
9 multifields：灵活使用多字段解决多样的业务需求

10 dynamic：控制mapping的自动更新
    "dynamic": true（缺省）| false | strict
11 data_detection：是否自动识别日期类型
    "data_detection"：true（缺省）| false

    dynamic和data_detection的详解：Elasticsearch dynamic mapping（动态映射） 策略. https://blog.csdn.net/zx711166/article/details/82427837/
12 analyzer：指定分词器，默认分词器为standard analyzer
    "analyzer": "ik"
13 boost：字段级别的分数加权，默认值是1.0
     "boost": 1.23
14 fields：可以对一个字段提供多种索引模式，同一个字段的值，一个分词，一个不分词
     "fields": {"raw": {"type": "string", "index": "not_analyzed"}}
15 ignore_above：超过100个字符的文本，将会被忽略，不被索引
     "ignore_above": 100
16 include_in_all：设置是否此字段包含在_all字段中，默认时true，除非index设置成no
     "include_in_all": true
17 null_value：设置一些缺失字段的初始化，只有string可以使用，分词字段的null值也会被分词
    "null_value": "NULL"
18 position_increament_gap：影响距离查询或近似查询，可以设置在多值字段的数据上或分词字段上，查询时可以指定slop间隔，默认值时100
     "position_increament_gap": 0
19 search_analyzer：设置搜索时的分词器，默认跟analyzer是一致的，比如index时用standard+ngram，搜索时用standard用来完成自动提示功能
     "search_analyzer": "ik"
20 similarity：默认时TF/IDF算法，指定一个字段评分策略，仅仅对字符串型和分词类型有效
    "similarity": "BM25"
21 trem_vector：默认不存储向量信息，支持参数yes（term存储），with_positions（term+位置），with_offsets（term+偏移量），with_positions_offsets（term+位置+偏移量）对快速高亮fast vector highlighter能提升性能，但开启又会加大索引体积，不适合大数据量用
    "trem_vector": "no"