ElasticSearch 系列教程我们前面已经连着发了四篇了，今天第五篇，我们来聊一聊 Es 中的 种常见的映射参数。

针对这 种常见的映射参数，松哥专门录制了一个视频教程：

视频链接: https://pan.baidu.com/s/1J23m6oSTeZJU6j6KaogZSg 提取码: 6k2a

本文是松哥所录视频教程的一个笔记，笔记简明扼要，完整内容小伙伴们可以参考视频。

1.ElasticSearch 映射参数

analyzer

定义文本字段的分词器。默认对索引和查询都是有效的。

假设不用分词器，我们先来看一下索引的结果，创建一个索引并添加一个文档：

PUT blog

PUT 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）

GET 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&#; : ,
        &#;doc_count&#; : 1,
        &#;sum_ttf&#; : 
      },
      &#;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&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;器&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 9,
              &#;start_offset&#; : 9,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;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&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;引&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;效&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;文&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 2,
              &#;start_offset&#; : 2,
              &#;end_offset&#; : 3
            }
          ]
        },
        &#;是&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;有&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;本&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 3,
              &#;start_offset&#; : 3,
              &#;end_offset&#; : 4
            }
          ]
        },
        &#;查&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;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&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;索&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;认&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;词&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 8,
              &#;start_offset&#; : 8,
              &#;end_offset&#; : 9
            }
          ]
        },
        &#;询&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;都&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;默&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        }
      }
    }
  }
}

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 blog/_search
{
  &#;query&#;: {
    &#;term&#;: {
      &#;title&#;: &#;定&#;
    }
  }
}

无意义！！！

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 blog
{
  &#;mappings&#;: {
    &#;properties&#;: {
      &#;title&#;:{
        &#;type&#;:&#;text&#;,
        &#;analyzer&#;: &#;ik_smart&#;
      }
    }
  }
}

存储文档：

PUT 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 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&#; : ,
        &#;doc_count&#; : 1,
        &#;sum_ttf&#; : 
      },
      &#;terms&#; : {
        &#;分词器&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 4,
              &#;start_offset&#; : 7,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;和&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 8,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;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&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;文本&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 1,
              &#;start_offset&#; : 2,
              &#;end_offset&#; : 4
            }
          ]
        },
        &#;有效&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;查询&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 9,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;的&#; : {
          &#;term_freq&#; : 2,
          &#;tokens&#; : [
            {
              &#;position&#; : 3,
              &#;start_offset&#; : 6,
              &#;end_offset&#; : 7
            },
            {
              &#;position&#; : ,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        },
        &#;默认&#; : {
          &#;term_freq&#; : 1,
          &#;tokens&#; : [
            {
              &#;position&#; : 5,
              &#;start_offset&#; : ,
              &#;end_offset&#; : 
            }
          ]
        }
      }
    }
  }
}

然后就可以通过词去搜索了：

GET blog/_search
{
  &#;query&#;: {
    &#;term&#;: {
      &#;title&#;: &#;索引&#;
    }
  }
}

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，有的话，就用 search_analyzer 来进行分词，如果没有，则看有没有 analyzer，如果有，则用 analyzer 来进行分词，否则使用 es 默认的分词器。

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 中，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，搜索时候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 javaboy 和 JAVABOY，此时，我们就可以使用 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 blog
{
  &#;mappings&#;: {
    &#;properties&#;: {
      &#;author&#;:{
        &#;type&#;: &#;keyword&#;
      }
    }
  }
}

添加两个文档：

PUT blog/_doc/1
{
  &#;author&#;:&#;javaboy&#;
}

PUT blog/_doc/2
{
  &#;author&#;:&#;JAVABOY&#;
}

然后进行搜索：

GET blog/_search
{
  &#;query&#;: {
    &#;term&#;: {
      &#;author&#;: &#;JAVABOY&#;
    }
  }
}

大写关键字可以搜到大写的文档，小写关键字可以搜到小写的文档。

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 blog
{
  &#;settings&#;: {
    &#;analysis&#;: {
      &#;normalizer&#;:{
        &#;my_normalizer&#;:{
          &#;type&#;:&#;custom&#;,
          &#;filter&#;:[&#;lowercase&#;]
        }
      }
    }
  }, 
  &#;mappings&#;: {
    &#;properties&#;: {
      &#;author&#;:{
        &#;type&#;: &#;keyword&#;,
        &#;normalizer&#;:&#;my_normalizer&#;
      }
    }
  }
}

在 settings 中定义 normalizer，然后在 mappings 中引用。

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。

boost

boost 参数可以设置字段的权重。

boost 有两种使用思路，一种就是在定义 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。

实际开发中建议使用后者，前者有问题：如果不重新索引文档，权重无法修改。

mapping 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
      }
    }
  }
}

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&#;:&#;&#;}

或者 ：

{&#;age&#;:&#;&#;}

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&#;:&#;&#;
}

如果需要修改 coerce ，方式如下：

PUT blog
{
  &#;mappings&#;: {
    &#;properties&#;: {
      &#;age&#;:{
        &#;type&#;: &#;integer&#;,
        &#;coerce&#;: false
      }
    }
  }
}

POST blog/_doc
{
  &#;age&#;:
}

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。

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&#;
    }
  }
}

doc_values 和 fielddata

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，会额外增加列式存储映射。

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 索引速度稍微低一点 文档很多时，动态创建慢，占内存

doc_values 默认开启，fielddata 默认关闭。

doc_values 演示：

PUT users

PUT users/_doc/1
{
  &#;age&#;:
}

PUT users/_doc/2
{
  &#;age&#;:
}

PUT users/_doc/3
{
  &#;age&#;:
}

PUT users/_doc/4
{
  &#;age&#;:
}

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&#;:
}

PUT users/_doc/2
{
  &#;age&#;:
}

PUT users/_doc/3
{
  &#;age&#;:
}

PUT users/_doc/4
{
  &#;age&#;:
}

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

dynamic

enabled

es 默认会索引所有的字段，但是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，就可以再通过该字段进行搜索了。

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&#;:&#;&#;
}

PUT users/_doc/2
{
  &#;birthday&#;:&#; ::&#;
}

• 多个日期格式之间，使用 || 符号连接，注意没有空格。
• 如果用户没有指定日期的 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 https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-date-format.html 网址查看。

ignore_above

igbore_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&#;: 
      }
    }
  }
}

PUT blog/_doc/1
{
  &#;title&#;:&#;javaboy&#;
}

PUT blog/_doc/2
{
  &#;title&#;:&#;javaboyjavaboyjavaboy&#;
}

GET blog/_search
{
  &#;query&#;: {
    &#;term&#;: {
      &#;title&#;: &#;javaboyjavaboyjavaboy&#;
    }
  }
}

ignore_malformed

ignore_malformed 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&#;:&#;&#;,
  &#;age&#;:
}

PUT users/_doc/2
{
  &#;birthday&#;:&#; ::&#;,
  &#;age&#;:&#;abc&#;
}


PUT users/_doc/2
{
  &#;birthday&#;:&#; ::11aaa&#;,
  &#;age&#;:&#;abc&#;
}

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。

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&#;:
}

GET users/_search
{
  &#;query&#;: {
    &#;term&#;: {
      &#;age&#;: 
    }
  }
}

• 如果 index 为 false，则不能通过对应的字段搜索。

index_options

index_options 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，存储词项频率 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

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。

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 的字段显式的可索引、可搜索：

PUT users
{
  &#;mappings&#;: {
    &#;properties&#;: {
      &#;name&#;:{
        &#;type&#;: &#;keyword&#;,
        &#;null_value&#;: &#;javaboy_null&#;
      }
    }
  }
}

PUT users/_doc/1
{
  &#;name&#;:null,
  &#;age&#;:
}

GET users/_search
{
  &#;query&#;: {
    &#;term&#;: {
      &#;name&#;: &#;javaboy_null&#;
    }
  }
}

position_increment_gap

被解析的 text 字段会将 term 的位置考虑进去，目的是为了支持近似查询和短语查询，当我们去索引一个含有多个值的 text 字段时，会在各个值之间添加一个假想的空间，将值隔开，这样就可以有效避免一些无意义的短语匹配，间隙大小通过 position_increment_gap 来控制，默认是 。

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 。

GET users/_search
{
  &#;query&#;: {
    &#;match_phrase&#;: {
      &#;name&#;: {
        &#;query&#;: &#;san li&#;,
        &#;slop&#;: 
      }
    }
  }
}

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&#;
      }
    }
  }
}

properties

similarity

similarity 指定文档的评分模型，默认有三种：

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

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来，可以通过配置 store 来实现。

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原点的偏移量

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

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&#;
    }
  }
}

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

最后，松哥还搜集了 + 个项目需求文档，想做个项目练练手的小伙伴不妨看看哦～

需求文档地址：https://github.com/lenve/javadoc