怎样设计elasticsearch映射字段

设计 Elasticsearch 的映射（Mapping）字段，核心目标是：贴合业务查询场景、控制存储成本、避免性能坑。下面我从「设计思路 → 字段类型选择 → 常见场景示例 → 最佳实践」一步一步讲。

一、先明确：Mapping 是干什么的

Mapping 用来定义：

• 字段名（field name）
• 字段类型（text / keyword / date / integer …）
• 如何分词（analyzer）
• 是否索引（index: false）
• 是否存储（store）
• 多字段（multi-fields）

⚠️ Elasticsearch 写入数据后，部分 Mapping 不能修改（如类型变更），所以一开始就设计好很重要。

二、设计 Mapping 的思路（非常重要）

1️⃣ 先想“怎么查”，再想“怎么存”

不要从数据库表结构直接照搬。

问自己：

• 这个字段要不要搜索？
• 是模糊搜索还是精确匹配？
• 要不要排序 / 聚合？
• 只是展示用吗？

2️⃣ 区分两类核心字段类型

✅ 全文搜索 → text

• 文章标题
• 商品描述
• 日志内容

"title": {
  "type": "text",
  "analyzer": "ik_max_word"
}

✅ 精确匹配 / 聚合 → keyword

• 状态（status）
• 用户ID
• 标签
• 枚举值

"status": {
  "type": "keyword"
}

3️⃣ 多用 multi-fields（非常推荐）

一个字段同时支持：

• 分词搜索（text）
• 精确聚合（keyword）

"name": {
  "type": "text",
  "fields": {
    "keyword": {
      "type": "keyword"
    }
  }
}

查询：

• name → 模糊搜索
• name.keyword → 排序 / 聚合

三、常见字段类型怎么选

四、一个完整 Mapping 示例（商品索引）

PUT /products
{
  "mappings": {
    "properties": {
      "id": { "type": "keyword" },
      "title": {
        "type": "text",
        "analyzer": "ik_max_word",
        "fields": {
          "keyword": { "type": "keyword" }
        }
      },
      "price": { "type": "scaled_float", "scaling_factor": 100 },
      "status": { "type": "keyword" },
      "tags": { "type": "keyword" },
      "create_time": { "type": "date" },
      "location": { "type": "geo_point" }
    }
  }
}

五、性能 & 成本相关的最佳实践

✅ 1. 不需要搜索的字段，关掉索引

"remark": {
  "type": "text",
  "index": false
}

✅ 2. 不需要返回的字段，别 store

ES 默认 _source 已包含全部字段，一般不用 store: true

✅ 3. 数组不用特殊定义

"tags": ["a", "b"]

直接 keyword 即可

✅ 4. 嵌套对象用 nested

普通 object 会“扁平化”，导致查询错误

"comments": {
  "type": "nested",
  "properties": {
    "user": { "type": "keyword" },
    "content": { "type": "text" }
  }
}

六、动态 Mapping 要小心

默认 ES 会自动推断类型，容易出问题。

✅ 建议：

"dynamic": "strict"

或

"dynamic": "false"

七、给你一个“设计检查清单”

• [ ] 哪些字段要搜索？
• [ ] 哪些字段要聚合 / 排序？
• [ ] 是否需要中文分词？
• [ ] 是否存在嵌套结构？
• [ ] 是否有不需要索引的字段？
• [ ] Mapping 是否锁死 dynamic？

如果你愿意，可以告诉我：

• 你的具体业务场景
• 或贴一段数据库表结构

我可以直接帮你设计一份“可用、可扩展”的 Elasticsearch Mapping。