首先看来创建一个 mapping 来 show show：
curl -XPUT "master:9200/zebra_info?pretty" -H 'Content-Type: application/json' -d' { "settings": { "number_of_shards":5, "number_of_replicas":1 }, "mappings": { "zebra_info": { "properties": { "name" : {"type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word", "fielddata": true, "fields": {"raw": {"type":"keyword"}}}, "firstly_classification": {"type": "keyword"}, "secondary_classification": {"type": "keyword"}, "type_name": {"type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word", "fielddata": true,"fields": {"raw": {"type":"keyword"}}}, "province": {"type": "keyword"}, "city": {"type": "keyword"}, "citycode": {"type": "keyword"}, "district": {"type": "keyword"}, "adcode": {"type": "keyword"}, "township": {"type": "text"}, "business_circle": {"type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word", "fielddata": true,"fields": {"raw": {"type":"keyword"}}}, "formatted_address": {"type": "text"}, "location": {"type": "geo_point"}, "extensions": { "type": "nested", "properties": { "avg_price": {"type": "double"}, "shops": {"type":"integer"}, "good_comments": {"type":"byte"}, "lvl": {"type":"byte"}, "other_type": {"type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word", "fielddata": true, "fields": {"raw": {"type":"keyword"}}}, "numbers": {"type": "integer"} } } } } } } '
二、show 看过了，来看一下 elasticsearch 支持的数据类型。
1，text: 当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合（termsAggregation除外）。 如果要聚合，请设置成keyword 参照上面的索引，设置一个fielddata。 聚合或者排序的时候用name.raw 进行排序。 "name" : {"type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word", "fielddata": true, "fields": {"raw": {"type":"keyword"}}} 2，keyword： keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通过精确值搜索到。 3，数据类型 范围 long -2^63至2^63-1 integer -2^31至2^31-1 short -32,768至32768 byte -128至127 double 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（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）相当于可以定义精确度 用法如下： PUT my_index { "mappings": { "my_type": { "properties": { "number_of_bytes": { "type": "integer" }, "time_in_seconds": { "type": "float" }, "price": { "type": "scaled_float", "scaling_factor": 100 } } } } } 4,object 类型 或者说是嵌套类型。定义参见文章标题给出的索引 PUT my_index/my_type/1 { "region": "US", "manager": { "age": 30, "name": { "first": "John", "last": "Smith" } } } 5， 日期类型 支持的格式如下： 日期格式的字符串：e.g. “2015-01-01” or “2015/01/01 12:10:30”. long类型的毫秒数( milliseconds-since-the-epoch) integer的秒数(seconds-since-the-epoch) 举栗子如下： PUT my_index/my_type/1 { "date": "2015-01-01" } PUT my_index/my_type/2 { "date": "2015-01-01T12:10:30Z" } PUT my_index/my_type/3 { "date": 1420070400001 } 6，Array类型 ELasticsearch没有专用的数组类型，默认情况下任何字段都可以包含一个或者多个值，但是一个数组中的值要是同一种类型。例如： 字符数组: [ “one”, “two” ] 整型数组：[1,3] 嵌套数组：[1,[2,3]],等价于[1,2,3] 对象数组：[ { “name”: “Mary”, “age”: 12 }, { “name”: “John”, “age”: 10 }] 注意事项： 动态添加数据时，数组的第一个值的类型决定整个数组的类型 混合数组类型是不支持的，比如：[1,”abc”] 数组可以包含null值，空数组[ ]会被当做missing field对待。 7，geo 类型，可以是点，线，或者面（区域） 地理位置信息类型用于存储地理位置信息的经纬度。 8，其他不常用的类型。 range 类型 integer_range -2^31至2^31-1 float_range 32-bit IEEE 754 long_range -2^63至2^63-1 double_range 64-bit IEEE 754 date_range 64位整数，毫秒计时 ip 类型，binary 类型，token_count 类型， nested类型类型（特殊的object 类型）
欢迎来到这里！
我们正在构建一个小众社区，大家在这里相互信任，以平等 • 自由 • 奔放的价值观进行分享交流。最终，希望大家能够找到与自己志同道合的伙伴，共同成长。
注册 关于