4. 映射与分析：映射（Mapping）概念、字段类型详解、动态映射与显式映射、分析器（Analyzer）原理
好，咱们进入第四章。这一章可以说是 Elasticsearch 的「地基」——映射和分析。说白了，映射就是告诉 ES 你的数据长什么样，分析器则是决定怎么把文本切碎、洗干净。这两块搞不明白，后面写查询语句很容易翻车。我自己刚接触 ES 时，就因为在映射上偷了懒，结果线上数据一多，查询慢得让人抓狂。
4.1 映射（Mapping）到底是什么？
映射，你可以把它理解成数据库里的「表结构定义」。它规定了每个字段的数据类型、是否被索引、用什么分析器等等。ES 收到一条 JSON 文档后，会根据映射来决定怎么存、怎么搜。
举个例子：
PUT /my_index
{
"mappings": {
"properties": {
"title": { "type": "text" },
"price": { "type": "double" },
"created_at": { "type": "date" }
}
}
}这段代码创建了一个索引，明确告诉 ES：title 是文本，price 是浮点数，created_at 是日期。嗯，这就是最基础的显式映射。
4.2 字段类型详解
ES 的字段类型比关系型数据库丰富得多。我挑几个最常用的说说，剩下的你查官方文档就行。
4.2.1 核心类型
| 类型 | 说明 | 适用场景 |
|---|---|---|
text |
全文文本，会被分析器分词 | 文章标题、正文内容 |
keyword |
精确值，不分词，用于排序、聚合 | 标签、邮箱、状态码 |
integer/long |
整数类型 | 年龄、数量 |
double/float |
浮点数类型 | 价格、评分 |
boolean |
布尔值 | 是否上架、是否删除 |
date |
日期类型，支持多种格式 | 创建时间、更新时间 |
object |
嵌套 JSON 对象 | 地址信息、用户信息 |
nested |
独立索引的嵌套对象数组 | 订单明细、评论列表 |
这里有个坑，我必须要说：text 和 keyword 的区别。text 会被分词，适合搜索；keyword 保持原样，适合精确匹配和聚合。很多新手把手机号设成 text，结果搜 "138" 能搜出一堆不相关的号码，这就是没搞清楚类型。
4.2.2 多字段（multi-fields）
实际项目中，一个字段往往既要全文搜索，又要精确匹配。ES 提供了多字段特性：
PUT /my_index
{
"mappings": {
"properties": {
"title": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword"
}
}
}
}
}
}这样，title 用于搜索，title.keyword 用于排序和聚合。我在做电商搜索时，商品名称就是这么配的，效果很好。
4.3 动态映射与显式映射
ES 有两种映射方式：动态映射和显式映射。说白了，一个自动，一个手动。
4.3.1 动态映射
当你往一个不存在的索引里写入文档时，ES 会自动推断字段类型。比如：
POST /my_index/_doc/1
{
"name": "张三",
"age": 25,
"is_vip": true
}ES 会自动把 name 设为 text，age 设为 long，is_vip 设为 boolean。听起来很方便对吧？但我要泼盆冷水：动态映射只适合开发环境或日志场景。生产环境里，字段类型猜错是常有的事。我曾经遇到过，一个存 IP 地址的字段被动态映射成了 text，导致后面做范围查询时完全没法用。
4.3.2 显式映射
显式映射就是你自己定义每个字段的类型和属性。比如：
PUT /my_index
{
"mappings": {
"properties": {
"name": {
"type": "text",
"analyzer": "ik_smart"
},
"age": {
"type": "integer"
},
"is_vip": {
"type": "boolean"
},
"created_at": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss"
}
}
}
}我个人建议，所有核心业务索引都用显式映射。虽然前期多花几分钟写配置，但后面能省下大量排坑的时间。
4.4 分析器（Analyzer）原理
分析器是 ES 搜索的灵魂。它负责把一段文本拆成一个个词条（term），方便后续的倒排索引和搜索匹配。
4.4.1 分析器的组成
一个分析器由三部分组成：
- 字符过滤器（Character Filters）：预处理文本，比如去掉 HTML 标签、替换特殊字符。
- 分词器（Tokenizer）：把文本切成词条。这是核心步骤。
- 词项过滤器（Token Filters）：对切好的词条做二次处理，比如转小写、去停用词、加同义词。
举个例子，分析 "I love Elasticsearch"：
- 字符过滤器：没特殊处理，原样输出。
- 分词器（standard）：按空格和标点切分，得到 ["I", "love", "Elasticsearch"]。
- 词项过滤器（lowercase）：全部转小写，得到 ["i", "love", "elasticsearch"]。
最终存入倒排索引的就是 ["i", "love", "elasticsearch"]。你想想看，如果搜索时输入 "Elasticsearch"，经过同样的分析流程变成 "elasticsearch"，就能匹配上了。
4.4.2 内置分析器
ES 自带了一些常用分析器：
| 分析器名称 | 说明 | 示例输入 → 输出 |
|---|---|---|
standard |
标准分析器，按单词边界切分，转小写 | "Hello World" → ["hello", "world"] |
simple |
按非字母字符切分，转小写 | "Hello-World" → ["hello", "world"] |
whitespace |
仅按空格切分，不转小写 | "Hello World" → ["Hello", "World"] |
keyword |
不切分，原样输出 | "Hello World" → ["Hello World"] |
pattern |
按正则表达式切分 | 可自定义分隔符 |
4.4.3 自定义分析器
内置分析器不够用时，你可以自己组装。比如中文分词，我常用 IK 分词器：
PUT /my_index
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "ik_smart",
"filter": ["lowercase", "stop"]
}
}
}
},
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "my_analyzer"
}
}
}
}这里我自定义了一个分析器，用 IK 分词器做中文分词，再转小写、去停用词。我在做新闻搜索时就是这么配的，搜索「中华人民共和国」能精准匹配到相关文章，而不是切成「中华」「人民」「共和国」三个孤立的词。
4.4.4 测试分析器
ES 提供了一个很方便的 API 来测试分析器效果：
POST /_analyze
{
"analyzer": "standard",
"text": "Elasticsearch is awesome"
}返回结果会显示每个词条及其位置。我每次自定义分析器后，都会先用这个 API 跑一遍，确认分词结果符合预期。嗯，这个小习惯帮我避免过好几次线上事故。
4.5 映射与分析器的关系
映射和分析器是紧密配合的。映射里指定了某个 text 字段用哪个分析器，而分析器决定了这个字段怎么被分词、怎么被搜索。说白了，映射是「骨架」，分析器是「血肉」。
举个例子，如果你在映射里给 title 字段指定了 analyzer: "ik_smart"，那么索引时和搜索时都会用这个分析器。除非你额外指定 search_analyzer，否则两者保持一致。
4.6 小结
这一章我们聊了映射的概念、字段类型、动态与显式映射，还有分析器的原理。说白了，映射是告诉 ES 怎么存，分析器是告诉 ES 怎么切。两者配合好了，搜索才能又快又准。
下一章，我们会深入搜索语法，看看怎么用 DSL 写出高效的查询语句。到时候你会发现，映射和分析器配得好，写查询简直行云流水。