码迷，mamicode.com
首页 > 其他好文 > 详细

ElasticSearch 种映射参数详解-理论学习02

时间：2020-12-18 13:16:30      阅读：5      评论：0      收藏：0      [点我收藏+]

标签：将不   order   oca   基础   多边形   title   移位   com   四种   

版权申明：

本文仅适用于学习，更多内容请访问原创作者：
技术图片

微信公众号：江南一点雨
博客：https://www.javaboy.org/

下面有用到postman、kibana

一、ElasticSearch 中地理类型和特殊类型

1.地理类型

使用场景：

  • 查找某一个范围内的地理位置
  • 通过地理位置或者相对中心点的距离来聚合文档
  • 把距离整个到文档的评分中
  • 通过距离对文档进行排序

1.1 geo_point

geo_point 就是一个坐标点，定义方式如下：

# PUT
192.168.246.130:9200/people
{
    "mappings":{
        "properties":{
            "location":{
                "type":"geo_point"
            }
        }
    }
}

创建时指定字段类型，存储的时候，有四种方式：

# PUT
192.168.246.130:9200/people/_doc/1
{
    "location":{
        "lat":34.27,
        "lon":108.94
    }
}

# PUT
192.168.246.130:9200/people/_doc/2
{
  "location":"34.27,108.94"
}

# PUT
192.168.246.130:9200/people/_doc/3
{
  "location":"uzbrgzfxuzup"
}

# PUT
192.168.246.130:9200/people/_doc/4
{
  "location":[108.94,34.27]
}

这里要注意的是，使用数组描述，先经度后纬度。longitude and latitude 经纬度。

地址位置转: geo_hash：http://www.csxgame.top/#/

1.2 geo_shape

Geo_JSON ElasticSearch 备注
Point point 一个由经纬度描述的点
LineString linestring 一个任意的线条，由两个以上的点组成
Polygon polygon 一个封闭的多边形
MultiPoint multipoint 一组不连续的点
MultiLineString multilinestring 多条不关联的线
MutiPolygon multipolygon 多个多边形
GeometryCollection geometrycollection 几何对象的集合
circle 一个圆形
envelope 通过左上角和右下角两个点确定的矩形

指定geo_shape 类型：

#PUT
192.168.246.130:9200/car
{
  "mappings": {
    "properties": {
      "location":{
        "type": "geo_shape"
      }
    }
  }
}

添加文档时需要指定具体的类型：

#PUT
192.168.246.130:9200/car/_doc/1
{
  "location":{
    "type":"linestring",
    "coordinates": [[108.94,34.27],[100,33]]
  }
}

如果时linestring，如下：

#PUT
192.168.246.130:9200/car/_doc/2
{
  "location":{
    "type":"linestring",
    "coordinates": [[108.94,34.27],[100,33]]
  }
}

2.特殊类型

2.1 IP

存储 IP 地址，类型是 ip:

#PUT
192.168.246.130:9200/blog
{
  "mappings": {
    "properties": {
      "address":{
        "type": "ip"
      }
    }
  }
}

添加文档:

#PUT
192.168.246.130:9200/blog/_doc/1
{
  "address":"192.168.91.1"
}

搜索文档：

#GET
192.168.246.130:9200/blog/_search
{
  "query": {
    "term": {
      "address": "192.168.0.0/16"
    }
  }
}

2.2 token_content

用于统计字符串分词后的词项个数。

#GET
192.168.246.130:9200/blog/
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "fields": {
          "length":{
            "type":"token_count",
            "analyzer":"standard"
          }
        }
      }
    }
  }
}

相当于新增了 title.length 字段用来统计分词后词项的个数。

添加文档：

#GET
192.168.246.130:9200/blog/_doc/1
{
  "title":"li si"
}

可以通过 token_count 去查询：

#GET
192.168.246.130:9200/blog/_search
{
  "query": {
    "term": {
      "title.length": 2
    }
  }
}

二、 ElasticSearch 23 种映射参数详解

1. analyzer

定义文本字段的分词器。默认对索引和查询都是有效的。

若不用分词器，我们先来看下索引的结果，创建一个索引并添加一个文档:

#PUT
192.168.246.130:9200/blog/_doc/1
{
  "title":"定义文本字段的分词器。默认对索引和查询都是有效的。"
}

查看词条向量( term vectors)

#PUT
192.168.246.130:9200/blog/_termvectors/1
{
  "fields": ["title"]
}

查看结果如下：

{
  "_index" : "blog",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "took" : 0,
  "term_vectors" : {
    "title" : {
      "field_statistics" : {
        "sum_doc_freq" : 22,
        "doc_count" : 1,
        "sum_ttf" : 23
      },
      "terms" : {
        "义" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 1,
              "start_offset" : 1,
              "end_offset" : 2
            }
          ]
        },
        "分" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 7,
              "start_offset" : 7,
              "end_offset" : 8
            }
          ]
        },
        "和" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 15,
              "start_offset" : 16,
              "end_offset" : 17
            }
          ]
        },
        "器" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 9,
              "start_offset" : 9,
              "end_offset" : 10
            }
          ]
        },
        "字" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 4,
              "start_offset" : 4,
              "end_offset" : 5
            }
          ]
        },
        "定" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 0,
              "start_offset" : 0,
              "end_offset" : 1
            }
          ]
        },
        "对" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 12,
              "start_offset" : 13,
              "end_offset" : 14
            }
          ]
        },
        "引" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 14,
              "start_offset" : 15,
              "end_offset" : 16
            }
          ]
        },
        "效" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 21,
              "start_offset" : 22,
              "end_offset" : 23
            }
          ]
        },
        "文" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 2,
              "start_offset" : 2,
              "end_offset" : 3
            }
          ]
        },
        "是" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 19,
              "start_offset" : 20,
              "end_offset" : 21
            }
          ]
        },
        "有" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 20,
              "start_offset" : 21,
              "end_offset" : 22
            }
          ]
        },
        "本" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 3,
              "start_offset" : 3,
              "end_offset" : 4
            }
          ]
        },
        "查" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 16,
              "start_offset" : 17,
              "end_offset" : 18
            }
          ]
        },
        "段" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 5,
              "start_offset" : 5,
              "end_offset" : 6
            }
          ]
        },
        "的" : {
          "term_freq" : 2,
          "tokens" : [
            {
              "position" : 6,
              "start_offset" : 6,
              "end_offset" : 7
            },
            {
              "position" : 22,
              "start_offset" : 23,
              "end_offset" : 24
            }
          ]
        },
        "索" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 13,
              "start_offset" : 14,
              "end_offset" : 15
            }
          ]
        },
        "认" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 11,
              "start_offset" : 12,
              "end_offset" : 13
            }
          ]
        },
        "词" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 8,
              "start_offset" : 8,
              "end_offset" : 9
            }
          ]
        },
        "询" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 17,
              "start_offset" : 18,
              "end_offset" : 19
            }
          ]
        },
        "都" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 18,
              "start_offset" : 19,
              "end_offset" : 20
            }
          ]
        },
        "默" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 10,
              "start_offset" : 11,
              "end_offset" : 12
            }
          ]
        }
      }
    }
  }
}

可以看到，默认情况下，中文就是一个字一个字的分，这种分词方式没有任何意义。

如果这样分词，查询就只能按照一个字一个字来查，像下面这样：

#GET
192.168.246.130:9200/blog/_search
{
  "query": {
    "term": {
      "title": "定"
    }
  }
}

这样就没有意义了。

所以，我们要根据实际情况，配置合适的分词器。
给字段设定分词器：

#PUT
192.168.246.130:9200/blog
{
  "mappings": {
    "properties": {
      "title":{
        "type":"text",
        "analyzer": "ik_smart"
      }
    }
  }
}

存储文档：

#PUT
192.168.246.130:9200/blog/_doc/1
{
  "title":"定义文本字段的分词器。默认对索引和查询都是有效的。"
}

查看词条向量：

#GET
192.168.246.130:9200/blog/_termvectors/1
{
  "fields": ["title"]
}

查询结果如下

{
  "_index" : "blog",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "took" : 1,
  "term_vectors" : {
    "title" : {
      "field_statistics" : {
        "sum_doc_freq" : 12,
        "doc_count" : 1,
        "sum_ttf" : 13
      },
      "terms" : {
        "分词器" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 4,
              "start_offset" : 7,
              "end_offset" : 10
            }
          ]
        },
        "和" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 8,
              "start_offset" : 16,
              "end_offset" : 17
            }
          ]
        },
        "字段" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 2,
              "start_offset" : 4,
              "end_offset" : 6
            }
          ]
        },
        "定义" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 0,
              "start_offset" : 0,
              "end_offset" : 2
            }
          ]
        },
        "对" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 6,
              "start_offset" : 13,
              "end_offset" : 14
            }
          ]
        },
        "文本" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 1,
              "start_offset" : 2,
              "end_offset" : 4
            }
          ]
        },
        "有效" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 11,
              "start_offset" : 21,
              "end_offset" : 23
            }
          ]
        },
        "查询" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 9,
              "start_offset" : 17,
              "end_offset" : 19
            }
          ]
        },
        "的" : {
          "term_freq" : 2,
          "tokens" : [
            {
              "position" : 3,
              "start_offset" : 6,
              "end_offset" : 7
            },
            {
              "position" : 12,
              "start_offset" : 23,
              "end_offset" : 24
            }
          ]
        },
        "索引" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 7,
              "start_offset" : 14,
              "end_offset" : 16
            }
          ]
        },
        "都是" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 10,
              "start_offset" : 19,
              "end_offset" : 21
            }
          ]
        },
        "默认" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 5,
              "start_offset" : 11,
              "end_offset" : 13
            }
          ]
        }
      }
    }
  }
}

这样就可以通过词去搜索了：

#GET 
192.168.246.130:9200/blog/_search
{
  "query": {
    "term": {
      "title": "索引"
    }
  }
}

2. search_analyzer

查询时候的分词器。默认情况下，如果没有配置 search_analyzer，则查询时，首先查看有没有 search_analyzer 。

  • 有。就用search_analyzer 来进行分词，
  • 没有 。则看有没有 analyzer ，如果有，则有 analyzer 来进行分词，否则使用 es 默认的分词器。

3. normalizer

normalizer 参数用于解析前（索引或者查询）的标准化配置。
比如，在es种，对于一些我们不想切分的字符串，我们通常会将其设置为keyword，搜索时也是使用整个词进行搜索。如果在索引前没有做好数据清洗，导致大小写不一致，例如 blog 和 BLOG ，此时，我们可以使用 normalizer 在索引之前以及查询之前进行文档的标准化。

先来一个反例，创建一个名为 blog 的索引，设置 author 字段类型为 keyword：

#PUT 
192.168.246.130:9200/blog
{
  "mappings": {
    "properties": {
      "author":{
        "type": "keyword"
      }
    }
  }
}

添加两个文档：

#PUT 
192.168.246.130:9200/blog/_doc/1
{
  "author":"blog"
}

#PUT 
192.168.246.130:9200/blog/_doc/2
{
  "author":"BLOG"
}

然后进行搜索：

#GET
192.168.246.130:9200/blog/_search
{
  "query": {
    "term": {
      "author": "BLOG"
    }
  }
}

大写关键字可以搜索到大写的文档，小写关键字可以搜到小的文档。

如果使用了normalizer，可以在索引和查询时，分别对文档进行预处理。

normalizer 定义方式如下：

#PUT 
192.168.246.130:9200/blog/
{
  "settings": {
    "analysis": {
      "normalizer":{
        "my_normalizer":{
          "type":"custom",
          "filter":["lowercase"]
        }
      }
    }
  }, 
  "mappings": {
    "properties": {
      "author":{
        "type": "keyword",
        "normalizer":"my_normalizer"
      }
    }
  }
}

在 settings 种定义 normalizer，然后在 mappings 种引用。

测试方式和前面一致。此时查询的时候，大写关键字也可以查询到小写文档，因为无论是索引还是查询，都会将大写转为小写。

三、ElasticSearch 如何配置某个字段的权重-学习

1. boost

boost 有两种使用思路，一种就是定义 mappings 的时候使用，在指定字段类型时使用；另一种就是在查询时使用。

在实际开发种建议使用后者，前者有问题；如果不重新索引文档，权重无法修改。

mappings 中使用 boost （不推荐）：

PUT blog
{
  "mappings": {
    "properties": {
      "content":{
        "type": "text",
        "boost": 2
      }
    }
  }
}

另一种方式就是在查询的时候，指定 boost

GET blog/_search
{
  "query": {
    "match": {
      "content": {
        "query": "你好",
        "boost": 2
      }
    }
  }
}

2. coerce

coerce 用来清除脏数据，默认为 true

例如一个数字，在JSON中，用户可能写错了：

{"age":"99"}

或者：

{"age":"99.0"}

这些都不是正确的数字格式。通过 coerce 可以解决该问题。

默认情况下，以下操作没问题，就是 coerce 起作用：

PUT blog
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer"
      }
    }
  }
}

POST blog/_doc
{
  "age":"99.0"
}

如果需要修改 coerce ，方式如下：

PUT blog
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "coerce": false
      }
    }
  }
}

POST blog/_doc
{
  "age":99
}

当 coerce 修改为 false 之后，数字就只能是数字了，不可以是字符串，该字段传入字符串会报错。

3. copy_to

这个属性，可以将多个字段的值，复制到同一个字段中。

定义方式如下：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "copy_to": "full_content"
      },
      "content":{
        "type": "text",
        "copy_to": "full_content"
      },
      "full_content":{
        "type": "text"
      }
    }
  }
}

PUT blog/_doc/1
{
  "title":"你好江南一点雨",
  "content":"当 coerce 修改为 false 之后，数字就只能是数字了，不可以是字符串，该字段传入字符串会报错。"
}

GET blog/_search
{
  "query": {
    "term": {
      "full_content": "当"
    }
  }
}

3. doc_values 和 fieldata

es 中的搜索主要是用到倒排索引，doc_values 参数是为了加快排序，聚合操作而生的。当建立倒排索引的时候，会额外加列式存储映射。

doc_values 默认是开启的，如果确定某个字段不需要排序或者不需要聚合，那么可以关闭 doc_values。

大部分的字段在索引时都会生成doc_values,除了text。text 字段在查询时会生成一个 fielddata 的数据结构，fieldata 在字段首次被聚合、排序的时候生成。

doc_values fielddata
索引时创建 使用时动态创建
磁盘 内存
不占用内存 不占用磁盘
索引速度稍微低 文档很多时，动态创建慢

doc_values 默认开启，fielddata 默认关闭。

doc_values 演示：

PUT users

PUT users/_doc/1
{
  "age":100
}

PUT users/_doc/2
{
  "age":99
}

PUT users/_doc/3
{
  "age":98
}

PUT users/_doc/4
{
  "age":101
}

GET users/_search
{
  "query": {
    "match_all": {}
  },
  "sort":[
    {
      "age":{
        "order": "desc"
      }
    }
    ]
}

由于 doc_values 默认时开启的，所以可以直接使用该字段排序，如果想关闭doc_values，如下：

PUT users
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "doc_values": false
      }
    }
  }
}

PUT users/_doc/1
{
  "age":100
}

PUT users/_doc/2
{
  "age":99
}

PUT users/_doc/3
{
  "age":98
}

PUT users/_doc/4
{
  "age":101
}

GET users/_search
{
  "query": {
    "match_all": {}
  },
  "sort":[
    {
      "age":{
        "order": "desc"
      }
    }
    ]
}

四、ElasticSearch 23种映射参数详解--学习02

1. dynamic

2. enabled

es 默认会索引所有的字段，但是所有的字段可能只需要存储，不需要索引。此时可以通过 enabled 字段来控制。

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "enabled": false
      }
    }
  }
}

PUT blog/_doc/1
{
  "title":"javaboy"
}

GET blog/_search
{
  "query": {
    "term": {
      "title": "javaboy"
    }
  }
}

设置了， enabled 为false之后，就可以通过该字段进行搜索了。

3. format

日期格式。 format可以规范日期格式，而且一次可以定义多个format。

PUT users
{
  "mappings": {
    "properties": {
      "birthday":{
        "type": "date",
        "format": "yyyy-MM-dd||yyyy-MM-dd HH:mm:ss"
      }
    }
  }
}

PUT users/_doc/1
{
  "birthday":"2020-11-11"
}

PUT users/_doc/2
{
  "birthday":"2020-11-11 11:11:11"
}
  • 多个日期格式之间，使用|| 符合连接，注意没有空格的
  • 如果用户没有指定日期 format ，默认的日期格式是 strict_date_optional_time||epoch_mills

另外，所有的日期格式，可以在如下的网址查看：
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-date-format.html

4. ignore_above

ignore_above 用于指定分词和索引的字符串最大长度，超过最大长度的话，该字段将不会被索引，这个字段只适用于 keyword 类型。

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "keyword",
        "ignore_above": 10
      }
    }
  }
}

PUT blog/_doc/1
{
  "title":"javaboy"
}

PUT blog/_doc/2
{
  "title":"javaboyjavaboyjavaboy"
}

GET blog/_search
{
  "query": {
    "term": {
      "title": "javaboyjavaboyjavaboy"
    }
  }
}

5. ignore_malformed

ignore_malformated 可以忽略不规则的数据，该参数默认为false。

PUT users
{
  "mappings": {
    "properties": {
      "birthday":{
        "type": "date",
        "format": "yyyy-MM-dd||yyyy-MM-dd HH:mm:ss"
      },
      "age":{
        "type": "integer",
        "ignore_malformed": true
      }
    }
  }
}

PUT users/_doc/1
{
  "birthday":"2020-11-11",
  "age":99
}

PUT users/_doc/2
{
  "birthday":"2020-11-11 11:11:11",
  "age":"abc"
}


PUT users/_doc/2
{
  "birthday":"2020-11-11 11:11:11aaa",
  "age":"abc"
}

6. include_in_all

这个是针对 _all 字段的，但是在es7中，该字段已经被废弃了。

7. index

index 属性指定一个字段是否被索引，该属性为true表示字段被索引，false 表示字段不被索引。

PUT users
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "index": false
      }
    }
  }
}

PUT users/_doc/1
{
  "age":99
}

GET users/_search
{
  "query": {
    "term": {
      "age": 99
    }
  }
}

如果 index 为 false ，则不能通过对应的字段搜索。

8. index_options

index_options 被控制索引时哪些信息被存储到倒排索引中（用在 text 字段中），有四种取值：

index_options 备注
docs 只存储文档编号，默认即此
freqs 在docs基础上，存储词项频繁
positions 在freqs基础上，存储词项偏移位置
offsets 在positions基础上，存储词项开始和结束的字符位置

9. norms

norms 对字段评分有用，text 默认开启 norms，如果不是特别需要，不要开启norms。

10. null_value

在 es 中，值为null的字段不索引也不可以被搜索，null_value 可以让值为 null的字段显示的可索引、可搜索：

PUT users
{
  "mappings": {
    "properties": {
      "name":{
        "type": "keyword",
        "null_value": "javaboy_null"
      }
    }
  }
}

PUT users/_doc/1
{
  "name":null,
  "age":99
}

GET users/_search
{
  "query": {
    "term": {
      "name": "javaboy_null"
    }
  }
}

11. position_increment_gap

被解析的text字段会将 term 的位置考虑进去，目的是为了支持进似查询和短语查询，当我们去索引一含有多个值的 text 时，会在哥哥值之间添加一个假想的空间，将值隔开，这样就可以有效的避免一些无意义的短语匹配，间隙大小通过position_increment_gap来控制，默认100.

PUT users

PUT users/_doc/1
{
  "name":["zhang san","li si"]
}

GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "sanli"
      }
    }
  }
}
  • sanli 搜索不到，因为两个短语之间有一个假想的空隙，为100
GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "san li",
        "slop": 101
      }
    }
  }
}

可以通过 slop 指定空隙大小。

也可以在定义索引的时候，指定空隙：

PUT users
{
  "mappings": {
    "properties": {
      "name":{
        "type": "text",
        "position_increment_gap": 0
      }
    }
  }
}

PUT users/_doc/1
{
  "name":["zhang san","li si"]
}

GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "san li"
      }
    }
  }
}

12. properties

13. similarity

similarity 指定文档的评分模型，默认有三种：

similarity 备注
BM25 es和luncene默认的评分模型
classic TF/IDF评分
boolean boolean模型评分

14.store

默认情况下，字段会被索引，也可以搜索，但是不会存储，虽然不会被存储的，但是_source 中有一个字段的备份。如果想将字段存储下路，可以通过配置 store 来实现。

15. term_vectors

term_vectors 是通过分词器产生的信息，包括：

  • 一组 terms
  • 每个 term 的位置
  • term 的首字符/尾字符与原始字符串远点的偏移量

term_vectors取值：

取值 备注
no 不存储信息，默认即此
yes term被存储
with_positions 在yes的基础上增加位置信息
with_offset 在yes的基础上增加偏移信息
with_positions_offsets term、位置、偏移量都存储

16. fields

fields 参数可以让同一字段有多种不同的索引方式。例如：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "fields": {
          "raw":{
            "type":"keyword"
          }
        }
      }
    }
  }
}

PUT blog/_doc/1
{
  "title":"javaboy"
}

GET blog/_search
{
  "query": {
    "term": {
      "title.raw": "javaboy"
    }
  }
}

网址如下：
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html

ElasticSearch 种映射参数详解-理论学习02

标签：将不   order   oca   基础   多边形   title   移位   com   四种   

原文地址：https://www.cnblogs.com/Choleen/p/14131238.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
登录后才能评论！
分享档案
更多>
2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)
周排行
mamicode.com排行更多图片
更多
友情链接
兰亭集智   国之画   百度统计   站长统计   阿里云   chrome插件   新版天听网
关于我们 - 联系我们 - 留言反馈
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码！