關鍵詞：term, token, index, mapping index，mapping是理解ela原理的兩個關鍵概念。
首先，我們可以在kibana或curl命令行方式任意輸入關鍵字進行全文檢索是基于ela內部對信息存儲的方式。一種稱為倒排索引的方式（網上很多介紹這個概念，一看就懂）。了解了它又自然而然明白了文本的詞、句在被索引前需要經過合適方式的處理。 elasticsearch對詞句的分析（三個過程組合而成） character filter(字符過濾：去除無用標記html) tokenizer(分詞器：根據分隔符斷詞) token filter(表征過濾：轉換小寫，去詞，增加詞) 內建分析器： 標準分析器 簡單分析器 空格分析器 語言分析器
當我們索引一個文檔時，全文字段會被分析為單獨的詞用以創建倒排索引。當我們在全文字段搜索時，也要讓查詢字符串經過同樣的分析流程處理，確保這些詞在索引中存在。
就是說，原文經過分析后以合適的語法語言形式（比如大寫變小寫，復數變單數）保存。而我們進行查詢時的輸入也需要經過這樣的轉換才能匹配。 為了保證document的每個字段field都能以正確的格式存儲索引，這就需要在創建索引時通過mapping定義，來規定不同字段的格式類型，如何被索引等。
當Elasticsearch 在你的文檔中探測到一個新的字符串字段，它將自動設置它為全文string字段并用standard分析器分析。 也許我們想要一個更適合這個數據的語言分析器。或者不做任何分析，只存儲確切值。為了達到這種效果，必須通過mapping人工設置這些字段。
“index參數控制字符串以何種方式被索引 analyzed: 分析并索引,會導致分詞，大小寫等變化 not_analyzed: 索引，但不分析，內容和指定值完全一致 no：不索引， 不會被搜索到 類型說明 根據官方文檔
PUT /gb{ "mappings": { "tweet": { # <-- tweet對應 type "PRoperties": { "tweet": { # <-- 對應具體的字段名（下面包含三個參數名type, index, analyzer） "type": "string", ## string類型默認index值為analyzed "analyzer": "english" ## 指明使用英語分析器 }, "date": { "type": "date" }, "name": { "type": "string" }, "user_id": { "type": "long" } } } }}新聞熱點
疑難解答
