心丨悦 2019-12-23
Elasticsearch最重要的功能之一是它试图摆脱你的方式,让你尽快开始探索你的数据。 要索引文档,您不必首先创建索引,定义映射类型和定义字段 - 您只需索引文档,那么index,type和field将自动生效。比如:
PUT data/_doc/1 { "count": 5 }
上面的命令将自动帮我们生成一个叫做data的index,并同时生成一个叫做_doc的type及一个叫做count的field。count的数据类型是long。这个非常方便,我们不想传统的RDMS那样,先要创建一个数据库,让后一个table,然后才可以向table里写入数据。
自动检测和添加新字段称为动态映射。 动态映射规则可以根据您的目的进行定制:
在今天的这篇文章中,我们来分别介绍这两个方面的内容。
假设您有包含大量字段的文档
使用动态模板,您可以基于定义字段的映射
动态模板由命名对象的数组来定义的:
"dynamic_templates": [ { "my_template_name": { (1) ... match conditions ... (2) "mapping": { ... } (3) } }, ... ]
例如,如果我们想要将所有整数字段映射为整数而不是long,并将所有字符串字段映射为text和keyword,我们可以使用以下模板:
PUT my_index { "mappings": { "dynamic_templates": [ { "integers": { "match_mapping_type": "long", "mapping": { "type": "integer" } } }, { "strings": { "match_mapping_type": "string", "mapping": { "type": "text", "fields": { "raw": { "type": "keyword", "ignore_above": 256 } } } } } ] } } PUT my_index/_doc/1 { "my_integer": 5, "my_string": "Some string" }
通过上面的动态template映射,我们可以看到my_integer被映射为integer而不是long。my_string是一个multi_field字段。
假设您希望任何未映射的字符串字段默认情况下映射为“keyword”类型,那么我们可以这么定义:
PUT test2 { "mappings": { "dynamic_templates": [ { "my_string_fields": { "match_mapping_type": "string", "mapping": { "type": "keyword" } } } ] } }
match参数使用模式匹配字段名称,而unmatch使用模式排除匹配匹配的字段。
以下示例匹配名称以long_开头的所有字符串字段(以_text结尾的字符串除外)并将它们映射为长字段:
PUT my_index { "mappings": { "dynamic_templates": [ { "longs_as_strings": { "match_mapping_type": "string", "match": "long_*", "unmatch": "*_text", "mapping": { "type": "long" } } } ] } } PUT my_index/_doc/1 { "long_num": "5", "long_text": "foo" }
我们可以通过如下的命令来查看它们的数据类型:
GET my_index/_mapping
显示的结果为:
{ "my_index" : { "mappings" : { "dynamic_templates" : [ { "longs_as_strings" : { "match" : "long_*", "unmatch" : "*_text", "match_mapping_type" : "string", "mapping" : { "type" : "long" } } } ], "properties" : { "long_num" : { "type" : "long" }, "long_text" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } } } } } }
从上面,我们可以看出来,long_num的数据类型是long,而long_text的数据类型是text。
默认情况下,当在文档中找到以前未见过的字段时,Elasticsearch会将新字段添加到类型映射中。 通过将dynamic参数设置为false(忽略新字段)或strict(如果遇到未知字段则抛出异常),可以在文档和对象级别禁用此行为。
在生产(product)环境中,你极有可能会创建你的mapping在索引你的数据之前,而且你极有可能不想你的mapping会被修改:
POST blogs/_doc/2 { "some_new_field": "What should we do?" }
在通常的情况下,上面的一个命令可能会自动帮我们在blogs索引里增加一个新的叫做some_new_field的字段。
您可以使用“动态”属性(三个选项)控制添加到映射的新字段的效果:
PUT blogs_example/_mapping { "dynamic": "strict" }
在上面我们在mapping中加入了dynamic,并且设置为strict,它表明如果现有的mapping里没有定义这个字段,那么就不index这个文档。
PUT /blogs_example/_doc/1 { "new_field": "this is a new field" }
如果new_field从来没有在mapping中定义过,那么,上面的命令会出现如下的错误:
{ "error": { "root_cause": [ { "type": "strict_dynamic_mapping_exception", "reason": "mapping set to strict, dynamic introduction of [new_field] within [_doc] is not allowed" } ], "type": "strict_dynamic_mapping_exception", "reason": "mapping set to strict, dynamic introduction of [new_field] within [_doc] is not allowed" }, "status": 400 }
如果这个问题出现了,我们必须修改我们现有的index的mapping:
PUT blogs_example/_mapping { "properties": { "new_field": { "type": "text" } } }
那么重新运行之前的那个命令就可以了。
在索引中定义太多字段是一种可能导致映射爆炸的情况,这可能导致内存不足错误和难以恢复的情况。 这个问题可能比预期更常见。 例如,考虑插入的每个新文档引入新字段的情况。 这在动态映射中非常常见。 每次文档包含新字段时,这些字段最终都会出现在索引的映射中。 这并不需要担心少量数据,但随着映射的增加,它可能会成为一个问题。 以下设置允许您限制可手动或动态创建的字段映射的数量,以防止错误的文档导致映射爆炸:
index.mapping.total_fields.limit
索引中的最大字段数。 字段和对象映射以及字段别名都计入此限制。 默认值为1000
index.mapping.depth.limit
字段的最大深度,以内部对象的数量来衡量。 例如,如果所有字段都在根对象级别定义,则深度为1.如果有一个对象映射,则深度为2,等等。默认值为20。
index.mapping.nested_fields.limit
索引中不同nested映射的最大数量,默认为50。
index.mapping.nested_objects.limit
所有nested类型中单个文档中嵌套JSON对象的最大数量,默认为10000。
index.mapping.field_name_length.limit
设置字段名称的最大长度。 默认值为Long.MAX_VALUE(无限制)。 此设置实际上不是解决映射爆炸的问题,但如果要限制字段长度,则可能仍然有用。 通常不需要设置此设置。 默认是可以的,除非用户开始添加大量具有真正长名称的字段。
上面的字段都可以在一个index的设置中进行设置,比如:
PUT test_blog { "settings": { "index.mapping.total_fields.limit": 2000, "number_of_replicas": 0, "number_of_shards": 1 } }
另外一部分,则需要先做聚类、分类处理,将聚合出的分类结果存入ES集群的聚类索引中。数据处理层的聚合结果存入ES中的指定索引,同时将每个聚合主题相关的数据存入每个document下面的某个field下。