概述
Elasticsearch 与传统的 SQL 数据库的一个明显的不同点是,Elasticsearch 是一个 非结构化 的数据库,或者说是一个 无模式 的数据库。Elasticsearch 中数据最重要的三要素当属:索引、类型、文档,其中索引这个概念非常重要,我们可以粗略地将其类比到传统 SQL 数据库中的 数据表。本文就从 Elasticsearch 的索引映射如何配置开始讲起。
注: 本文原载于 My Personal Blog,欢迎光临 小站 !
本文内容脑图如下:文章共 1540 字,阅读本文大约需要 5 分钟 !
索引模式映射
创建索引时,可以自定义索引的结构,比如 创建一个保存用户信息数据的 users
索引,其典型的结构如下:
id
:唯一表示符name
:姓名birthday
:出生日期hobby
:爱好
为此我们可以创建一个 json 格式的索引模式映射文件:users.json
{
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
}
}
}
}
}
上面的 json 代码意义如下:
- 创建一个名称为
users
的 Index - 里面有一个名称为
user
的 Type - 而
user
有四个 field - 且每个 field 都有自己的 属性 定义
然后我们来执行如下命令来新建一个索引:
curl -X PUT http://47.98.43.236:9200/users -d @users.json
结果如下,索引 users
、类型 user
、以及 四个字段 都已经顺利插入:
关于字段的 可选类型,有如下几种:
string
:字符串number
:数字date
:日期boolean
:布尔型binary
:二进制ip
:IP 地址token_count
类型
关于每种类型有哪些 属性,可参考官方文档,由于内容太多,此处不再赘述。
分析器的使用
分析器是一种用于 分析数据 或者按照用户想要的方式 处理数据 的工具,对于 字符串类型 的字段,Elasticsearch 允许用户自定义分析器。
- 先来自定义一个分析器
{
"settings" : {
"index" : {
"analysis" : {
"analyzer" : {
"myanalyzer" : {
"tokenizer" : "standard",
"filter" : [
"asciifolding",
"lowercase",
"myFilter"
]
}
},
"filter" : {
"myFilter" : {
"type" : "kstem"
}
}
}
}
},
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed",
"analyzer" : "myanalyzer"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
}
}
}
}
}
上述 json 代码中,用户定义了一个名为 myanalyzer 的分析器,该分析器包含 一个分词器 + 三个过滤器,分别如下:
- 分词器:
standard
- 过滤器:
asciifolding
- 过滤器:
lowercase
- 过滤器:
myFilter
(自定义过滤器,其本质是kstem
)
- 再来看如何测试和使用自定义的分析器
可以通过类似如下的 Restful 接口来测试 analyze API 的工作情况:
curl -X GET 'http://47.98.43.236:9200/users/_analyze?field=user.name' -d 'Cars Trains'
可见我们输入的时一行字符串普通 "Cars Trains"
,而输出为:car
和 train
,这说明短语 "Cars Trains"
被分成了两个词条,然后全部转为小写,最后做了词干提取的操作,由此证明我们上面自定义的分析器已然生效了!
相似度模型的配置
Elasticsearch 允许为索引模式映射文件中的不同字段指定不同的 相似度得分 计算模型,其用法例析如下:
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed",
"analyzer" : "myanalyzer",
"similarity" : "BM25"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
}
}
}
}
上述 json 文件中,我们为
name
字段使用了BM25
这种相似度模型,添加的方法是使用similarity
属性的键值对,这样一来 Elasticsearch 将会为name
字段使用BM25
相似度计算模型来计算相似得分。
信息格式的配置
Elasticsearch 支持为每个字段指定信息格式,以满足通过改变字段被索引的方式来提高性能的条件。Elasticsearch 中的信息格式有如下几个:
default
:默认信息格式,其提供了实时的对存储字段和词向量的压缩pulsing
:将 重复值较少字段 的信息列表 编码为词条矩阵,可加快 该字段的查询速度direct
:该格式在读过程中将词条加载到未经压缩而存在内存的矩阵中,该格式可以提升常用字段的性能,但损耗内存memory
:该格式将所有的数据写到磁盘,然后需要 FST 来读取词条和信息列表到内存中bloom_default
:默认信息格式的扩展,增加了把bloom filter
写入磁盘的功能。读取时bloom filter
被读取并存入内存,以便快速检查给定的值是否存在bloom_pulsing
:pulsing
格式的扩展,也加入bloom filter
的支持
信息格式字段(postings_format
)可以在 任何一个字段上 进行设置,配置信息格式的示例如下:
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes",
"postings_format" : "pulsing"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed",
"analyzer" : "myanalyzer"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
}
}
}
}
在该例子之中,我们手动配置改变了
id
字段的信息格式为pulsing
,因此可加快该字段的查询速度。
文档值及其格式的配置
文档值 这个字段属性作用在于:其允许将给定字段的值被写入一个更高内存效率的结构,以便进行更加高效的排序和搜索。我们通常可以将该属性加在 需要进行排序 的字段上,这样可以 提效。
其配置方式是 通过属性 doc_values_format
进行,有三种常用的 doc_values_format
属性值,其含义从名字中也能猜个大概:
default
:默认格式,其使用少量的内存但性能也不错disk
:将数据存入磁盘,几乎无需内存memory
:将数据存入内存
举个栗子吧:
"mappings" : {
"user" : {
"properties" : {
"id" : {
"type" : "long",
"store" : "yes"
},
"name" : {
"type" : "string",
"store" : "yes",
"index" : "analyzed",
"analyzer" : "myanalyzer"
},
"birthday" : {
"type" : "date",
"store" : "yes"
},
"hobby" : {
"type" : "string",
"store" : "no",
"index" : "analyzed"
},
"age" : {
"type" : "integer",
"doc_values_format" : "memory"
}
}
}
}
上述 json 配置中,我们给类型
user
添加了一个age
字段,假如我们想对年龄字段进行排序,那么给该字段设置文档值格式的属性是可以提升效率的。
后 记
由于能力有限,若有错误或者不当之处,还请大家批评指正,一起学习交流!
可 长按 或 扫描 下面的 小心心 来订阅 CodeSheep,获取更多 务实、能看懂、可复现的 原创文 ↓↓↓
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