Elasticsearch：Dynamic mapping

腾讯云大数据

修改于 2021-01-08 16:05:31

7710

修改于 2021-01-08 16:05:31

文章被收录于专栏：腾讯云Elasticsearch Service

【腾讯云 Elasticsearch Service】高可用，可伸缩，云端全托管。集成X-Pack高级特性，适用日志分析/企业搜索/BI分析等场景

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，你不必首先创建索引，定义映射类型和定义字段 - 你只需索引文档，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，它不像传统的 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：

动态字段映射：管理动态 field 检测的规则
动态模板：用于配置动态添加字段的映射的自定义规则

在今天的这篇文章中，我们来分别介绍这两个方面的内容。

动态模板

假设您有包含大量字段的文档

或者在映射定义时未知的动态字段名称的文档
和 nested 的 key/value 对不是一个很好的解决方案

使用动态模板，您可以基于定义字段的映射

字段的数据类型, 使用 match_mapping_type
字段的名字，使用 match and unmatch 或 match_pattern.
或者字段的路径，使用 path_match 及 path_unmatch.

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)      }    },    ...  ]

template 的名字可以是任何一个字符串
匹配的条件可以是这里的任何一种match_mapping_type, match, match_pattern, unmatch, path_match, path_unmatch
被匹配的字段的 mapping

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。

假设你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 及 unmatch

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。

控制动态字段

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。

你可以使用 “dynamic” 属性（三个选项）控制添加到映射的新字段的效果：

	doc indexed?	fields indexed?	mapping updated?
true	Yes	Yes	Yes
false	Yes	No	No
strict	No

上面的表格显示，当一个新的字段被添加到一个索引中，并且这个字段之前没有在 mapping 中定义：

在 dynamic 为 true 时，这个文档将被建立索引，从而新增加的字段将是可以被搜索及应用于聚合，mapping 也会自动更新
在 dynamic 为 false 时，这个文档将被建立索引，但是新的字段将不被建立索引，mapping 将不被更新（包含新的的字段的mapping）
在 dynamic 为 strict 时，这个文件将不被建立索引

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。

settings 以防止映射爆炸

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  }}