从索引映射到CRUD：Elasticsearch核心数据类型与基础操作指南

Elasticsearch 是一个基于 Apache Lucene 搜索引擎库构建的、可扩展的分布式搜索与分析引擎。它具备近实时的全文搜索、分析结构化数据以及处理大规模数据的能力。对于刚接触 Elasticsearch 的开发者而言，理解其基本概念和操作是入门的第一步。如果想了解更多系统性的后端架构知识，欢迎访问 云栈社区 的相关板块。

为了方便理解，我们可以将其核心概念与关系型数据库做一个类比：

数据库	Elasticsearch
数据库 (Database)	索引 (Index)
表 (Table)	索引 (Index) (注：7.0后类比更接近表)
行 (Row)	文档 (Document)
列 (Column)	字段 (Field)
表结构定义 (Schema)	映射 (Mapping)

数据类型

如上表所示，一个索引包含多个字段，每个字段需要定义其数据类型。Elasticsearch 提供了丰富的数据类型，以下是几种常用的核心类型：

Keyword
用于存储字符类型数据，不会被分词器处理，在存储上做了优化。它非常适合用于精确值匹配、排序、聚合（分组）以及 term 查询。keyword 类型下还有几个子类型：

• keyword: 最常用的类型，适用于身份证号、状态码、标签等具有标识性的数据。（数字类型适合范围查询，而 keyword 类型则对 term 精确匹配查询效率更高，实际使用时需要根据场景选择）。
• constant_keyword: 适用于索引中所有文档在该字段的值都相同的场景。设计目的是为了节约存储空间，因为该值只存储一份。
• wildcard: keyword 的另一种优化实现，通常在字段值内容区分度高，且计划使用 wildcard（通配符）或 regexp（正则表达式）查询时使用。

Text
用于存储需要被全文检索的文本数据。在保存时，文本会被指定的分析器（analyzer）分词，然后对分词结果建立倒排索引。

• text: 标准的文本类型，适用于文章内容、商品描述等非结构化文本。
• match_only_text: 对 text 类型的优化版本，它不记录词项的位置和频率信息，仅记录词项是否存在。适用于日志内容或仅需判断关键词是否存在的场景，能显著节省磁盘空间。

数字类型
Elasticsearch 支持多种数值类型：long, integer, short, byte, double, float, half_float, scaled_float, unsigned_long。选择原则是：在满足业务需求的前提下，尽量选择范围最小的类型，这有助于提升存储和查询效率。
特别说明一下 scaled_float：它通过一个 scaling_factor（缩放因子）将浮点数转换为整数进行存储和计算，效率比直接存浮点数高。例如，对于数值 2.34，设置 scaling_factor 为 100，实际存储为 234。缩放因子必须设置得足够大，以避免数据精度丢失。

二进制 (Binary)
用于存储 Base64 编码的二进制数据。注意，编码后的字符串不应包含换行符 \n。

布尔 (Boolean)
布尔类型。值 true 或 "true" 会被解释为 true；值 false、"false" 或空字符串 "" 会被解释为 false。

日期 (Date)
Elasticsearch 提供了 date 和 date_nanos 两种日期类型。写入时，可以传入格式化的日期字符串或时间戳数字，ES 会将其统一转换为对应的内部表示（date 为毫秒，date_nanos 为纳秒）。查询时，内部表示会再转换回指定的格式。格式可以通过字段映射中的 format 属性来定义。

对象类型 (Object Types)
用于处理包含嵌套属性的复杂结构。主要分为以下几类：

• Object: 标准的对象类型。写入后，对象的每个子字段会被单独索引和存储。例如以下映射：

  "manager": {
      "properties": {
          "age": { "type": "integer" },
          "name": {
              "properties": {
                  "first": { "type": "text" },
                  "last": { "type": "text" }
              }
          }
      }
  }

  实际上会创建三个可被独立查询的字段：manager.age, manager.name.first, manager.name.last。

• Flattened: 将整个对象的所有子字段值“扁平化”处理，合并为一个数组，并作为 keyword 类型存储。它适合子字段不需要被独立查询，只需进行存在性检查或简单匹配的场景。例如数据 {"manager": {"sex": "man", "name": {"first": "John", "last": "Smith"}}} 会被存储为 manager: ["man", "John", "Smith"]。
• Nested: 为了解决 Object 类型在处理对象数组时丢失内部对象间关联的问题而设计。当字段值是对象数组时，如果使用 Object 类型，每个对象的属性会被拆分合并，导致对象间的边界消失。使用 Nested 类型，每个内部对象会被独立索引和存储，保持了对象内部的关联性。但查询时必须使用专门的 nested 查询，且开销相对较大。
  举例说明区别：

  "user" : [
      { "first" : "John", "last" : "Smith" },
      { "first" : "Alice", "last" : "White" }
  ]

  • 如果是 Object 类型，最终存储为：user.first: ["John", "Alice"], user.last: ["Smith", "White"]。此时查询 user.first=John AND user.last=White 也会命中，这显然不符合原始数据中对象的对应关系。
  • 如果是 Nested 类型，则两个对象会分别被索引，上述查询不会命中，准确反映了数据关系。

索引与映射操作

与关系型数据库类似，在存入数据前最好先定义索引的映射（Mapping）。虽然 Elasticsearch 支持动态映射（根据写入的数据自动推断类型），但这可能导致推断出的类型不符合预期，因此推荐手动明确定义。

创建映射
使用 RESTful API 创建索引并定义映射。

PUT /your_index_name
{
  "mappings": {
    "properties": {
      "field1":    { "type": "keyword" },
      "email":  { "type": "keyword" },
      "name":   { "type": "text" }
    }
  }
}

增加映射
为已存在的索引添加新的字段。

PUT /your_index_name/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword"
    }
  }
}

修改映射
注意：Elasticsearch 不允许直接修改已有字段的映射定义（如更改数据类型、修改分词器等）。如果需要调整，通常的做法是创建一个新索引并定义正确的映射，然后将数据从旧索引迁移（Reindex）到新索引。另一种折中方案是为字段设置别名（Alias）。

查看映射

# 查看整个索引的映射
GET /your_index_name/_mapping
# 查看索引中特定字段的映射详情
GET /your_index_name/_mapping/field/field_name

文档数据操作 (CRUD)

定义好索引映射后，即可进行文档的增删改查。

新增文档

## 仅当指定文档ID不存在时创建（如果存在则失败）
PUT your_index_name/_create/document_id
{
   "field": "value",
  "message": "GET /search HTTP/1.1 200 1070000",
  "user": {
    "id": "kimchy"
  }
}

## 使用指定ID，如果ID不存在则创建，如果已存在则执行全量替换更新
PUT your_index_name/_doc/document_id
{
  "field": "value",
  "message": "GET /search HTTP/1.1 200 1070000",
  "user": {
    "id": "kimchy"
  }
}

修改文档

## 部分更新：只更新请求体中给出的字段
POST /your_index_name/_update/document_id
{
  "doc": {
    "field": "new_value",
    "age": 121
  }
}

## 使用脚本更新（可以完成更复杂的逻辑）
POST your_index_name/_update/document_id
{
  "script": {
    "source": "ctx._source.age = params.count",
    "lang": "painless",
    "params": {
      "count": 4
    }
  }
}

## 更新或插入（upsert）：如果文档存在则更新，否则插入新文档
POST /your_index_name/_update/document_id
{
  "doc": {
    "product_price": 100
  },
  "upsert": {
    "product_price": 50
  }
}

删除文档

DELETE /your_index_name/_doc/document_id