1.造数据

POST my_index/my_type/1 { "group":"高富帅", "id": "1234", "sex": 1, "attribute": "eating,car,girls", "birthday": "1900-12-10", "lat_lng": "31.2427760000,121.4903420000" }

第1位高富帅，来自南京西路东路地铁站

POST my_index/my_type/2 { "group":"白富美", "id": "2234", "sex": 2, "attribute": "eat,dog,boys", "birthday": "1989-12-10", "lat_lng": "31.2433470000,121.5087220000" }

第2位白富美来自陆家嘴

PUT my_index/my_type/3 { "group":"小妹妹", "id": "3234", "sex": 2, "attribute": "eat dog boy flowers", "birthday": "2010-12-10", "lat_lng": "31.2257000000,121.5508340000" }

第3位小妹妹来自世纪大道

PUT my_index/my_type/4 { "group":"空姐", "id": "4234", "sex": 2, "attribute": "eat,dog,girl", "birthday": "1995-12-10", "lat_lng": "31.1573860000,121.8150200000" }

第4位空姐，来自浦东机场

2.mapping是啥？

看下刚刚我们建的索引的mapping长啥样

GET my_index/_mapping/my_type

response:

{ "my_index": { "mappings": { "my_type": { "properties": { "attribute": { "type": "string" }, "birthday": { "type": "date", "format": "strict_date_optional_time||epoch_millis" }, "group": { "type": "string" }, "id": { "type": "string" }, "lat_lng": { "type": "string" }, "sex": { "type": "long" } } } } } }

很明显，mapping 定义了每个field的数据类型(用途之一),es很聪明,能自动确定类型:

“1900-12-10” -> date 1 -> long

然而，有些field要让它完全猜对我们的心思还是有些强人所难，比如：

“1234” -> string “31.2427760000,121.4903420000” -> striing

我其实希望

“1234” - > int “31.2427760000,121.4903420000” -> （维度，经度）

后面会提到怎样修改type,不过在此之前，先了解下es有哪些type

3.Field Types

• String:string • Whole number: byte, short, integer, long(默认) • Floating-point:float,double • Boolean:boolean • Date:date • lat/lon points:geo_point

所有的type见:Field datatypes

指定type

要改变field的类型，必须先删掉之前的索引！

DELETE /my_index

再重新建

PUT /my_index { "mappings": { "my_type": { "properties": { "id": { "type": "string" }, "birthday": { "type": "date" }, "sex": { "type": "short" }, "attribute": { "type": "string" }, "lat_lng": { "type": "geo_point" } } } } }

检查下

GET my_index/_mapping/my_type { "my_index": { "mappings": { "my_type": { "properties": { "attribute": { "type": "string" }, "birthday": { "type": "date", "format": "strict_date_optional_time||epoch_millis" }, "id": { "type": "string" }, "lat_lng": { "type": "geo_point" }, "sex": { "type": "short" } } } } } }

再将之前的4个doc全塞进去！ 很好，type就是我们想要的啦，有啥用，目前的app很多有附近搜索，我们也来小试牛刀下

位置搜索

GET my_index/my_type/_search { "query": { "geo_distance": { "distance": "4km", "lat_lng": "31.2393950000,121.4837130000" } } }

lat_lng:搜索的中心，我这里用的是人民广场 distance:搜索半径，我这里设为4km，单位可以是m,有兴趣的可以了解下geohash，就大概知道为啥能这么快实现啦

当然，还可以指定区域搜索，更多精彩内容见：Geo Distance Query，Geo Location and Search

4.Analyzers

ref:Analysis and Analyzers 上一节已经稍稍讲过analyzer，总之，建索引的时候，es会按每个field配置的analyzer分析field值，用来建倒排索引（Inverted Index），搜索的时候，也会按搜索字段的analyzer分析查询值。 和type类似的思路，先了解下es有哪些analyzer，接着指定analyzer。

Analyzers

介绍2个简单的，自己运行理解下吧 - whitespace（空格）

GET /_analyze?analyzer=whitespace { "text":"full-text books, tired sleeping" } english GET /_analyze?analyzer=english { "text":"full-text books, tired sleeping" }

分词，词干化后剩下：full,text,book,tire,sleep 其它Built-in Analyzers analyzer，自定义analyzer见：Analyzers

指定analyzer

同样要先删掉之前的索引

DELETE /my_index PUT /my_index { "mappings": { "my_type": { "properties": { "id": { "index": "no", "type": "string" }, "birthday": { "index": "not_analyzed", "type": "date" }, "sex": { "index": "not_analyzed", "type": "short" }, "attribute": { "index": "analyzed", "analyzer": "whitespace", "type": "string" }, "lat_lng": { "type": "geo_point" } } } } }

index：控制fiel是否被索引，是否要分析

no:指定field不参与建索引，当然也无法搜索该字段 analyzed:分析字段（缺省时，默认analyzed） not_analyzed:不分析字段

analyzer：控制怎样被索引（缺省时，默认 standard ）

_all field

补充一个可以搜索所有字段的内容，_all field，要去找房子啦o(╯□╰)o，自己看看吧

"_all": { "enabled": false }