1.確切值(Exact values) vs 全文文字(Full text)

Elasticsearch中索引的資料可以大致分為兩種型別
(1) 確切值(Exact values)
確切值是需要精準匹配的值。比如一個date或使用者ID，對於2019-11-8，只輸入2019-11是不能被檢索出來。
(2) 全文文字(Full text)
對於全文文字，Elasticsearch會對文字分析(analyzes)，然後使用結果建立一個倒排索引，可以支援模糊匹配，忽略大小寫，近義詞匹配等。

2.Elasticsearch分析器

什麼時候使用分析器？

當我們索引一個文件，它的全文域被分析成詞條以用來建立倒排索引。同時，當我們在全文域搜尋 的時候，將查詢字串也需要通過相同的分析過程 ，以保證我們搜尋的詞條格式與索引中的詞條格式一致。

• 當你查詢一個全文域時， 會對查詢字串應用相同的分析器，以產生正確的搜尋詞條列表。
• 當你查詢一個精確值域時，不會分析查詢字串，而是搜尋你指定的精確值。

Elasticsearch的分析器組成

es的分析器由3部分組成：

（1）字元過濾器（character filter）

首先字串會經過字元過濾器，他們的工作是在分詞前處理字串。字元過濾器能夠去除HTML標記，或者轉化為“&”為“and”等。

（2）分詞器( Tokenizer )

一個簡單的分詞器可以根據空格或逗號將單詞分開，表徵化為一個個獨立的詞（term）。

（3）標記過濾器 ( token filter )

最後，每個詞都通過所有表徵過濾(token filters)，它可以修改詞（例如將"Quick"轉為小寫），去掉詞（例如停用詞像"a"、"and"``"the"等等），或者增加詞（例如同義詞像"jump"和"leap"）

內建分析器

Elasticsearch還附帶了一些預裝的分析器，你可以直接使用它們。簡單介紹幾個：

• 標準分析器，Elasticsearch預設使用的分析器，它是分析各種語言文字最常用的選擇，根據 Unicode 聯盟 定義的 單詞邊界 劃分文字。刪除絕大部分標點。最後，將詞條小寫
• 簡單分析器，在任何不是字母的地方分隔文字，將詞條小寫
• 空格分析器，在空格的地方劃分文字
• 語言分析器，可以考慮指定語言的特點

3. Elasticsearch的對映

在傳統資料庫中，我們會為每個欄位指定儲存型別，例如：varchar，int，datetime等等，就是為了能更精確的儲存資料，防止資料型別格式混亂。
同樣，ES的索引欄位也需要為其指定型別，它就像資料庫中的 schema，這種在ES稱為對映（mapping）。

(1)動態對映和靜態對映

動態對映： 文件寫入es時，es可根據寫入內容的型別自動識別，生成mapping。主要的內容和型別的自動對映關係如下：

靜態對映： 手動為索引指定欄位型別

（2）自定義MAPPING

建立索引時，可以先定義好索引的結構，即mapping，包括每個欄位的型別，分析器，是否全文索引等。
1.型type
es中的欄位型別如下圖：

其中string中的text 和 keyword 的區別:

• text 用於索引全文值的欄位，例如電子郵件正文或產品說明。他們在被索引之前會通過分詞器將字串轉換為單個術語的列表。文字欄位不用於排序，很少用於聚合。
• keyword 用於索引結構化內容的欄位，例如電子郵件地址，主機名，狀態程式碼，標籤。它們通常用於過濾，排序，和聚合。keyword欄位只能按其確切值進行搜尋。

string型別的欄位，預設的，考慮到包含全文字，它們的值在索引前要經過分析器分析，並且在全文搜尋此欄位前要把查詢語句做分析處理。

對於string欄位，兩個最重要的對映引數是index和analyer。

2.index
index引數控制字串以何種方式被索引。它包含以下三個值當中的一個：

string型別欄位預設值是analyzed。如果我們想對映欄位為確切值，我們需要設定它為not_analyzed：

{
    "tag": {
        "type":     "string",
        "index":    "not_analyzed"
    }
}

其他簡單型別——long、double、date等等——也接受index引數，但相應的值只能是no和not_analyzed，它們的值不能被分析。

3.analyzer
對於analyzed型別的字串欄位，使用analyzer引數來指定哪一種分析器將在搜尋和索引的時候使用。預設的，Elasticsearch使用standard分析器，但是你可以通過指定一個內建的分析器來更改它，例如whitespace、simple或english。中文的可以使用ik分析器。

{
'value': {
            'type': 'text',
            'analyzer': 'ik_max_word',
            'search_analyzer': 'ik_max_syn',
            }
}

下面給出一個自定義mapping的示例
示例1：

"mappings": {
    "doc": {
      "properties": {
        "uid": {
          "type": "keyword"
        },
        "name": {
          "type": "text",
          "analyzer": "english",
          "search_analyzer": "standard"
        }
      }
    }
  }

示例2：

mapping = {
    "settings": {
        "analysis": {
            "analyzer": {
                "ik_max_syn": {
                    "tokenizer": "ik_max_word",
                    "filter": ["synonym", "stopword"]
                },
                "ik_smart_syn": {
                    "tokenizer": "ik_smart",
                    "filter": ["synonym", "stopword"]
                }
            },
            "filter": {
                "synonym": {
                    "type": "synonym",
                    "synonyms_path": "analysis/synonym.txt",
                    "updateable": True
                },
                "stopword": {
                    "type": "stop",
                    "stopwords_path": "analysis/stopwords.txt",
                    "updateable": True
                }
            }
        },
        "similarity": {
            "my_custom_similarity": {
                "type": "BM25",
                "k1": 1.2,
                "b": 0.75,
                "discount_overlaps": False
            }
        }
    },
    "mappings": {
        'properties': {
            'value': {
                'type': 'text',
                'analyzer': 'ik_max_word',
                'search_analyzer': 'ik_max_syn',

            },
            'attr': {
                'type': 'text',
                'analyzer': 'ik_max_word',
                'search_analyzer': 'ik_max_syn',
            },
            'node': {
                "type": "keyword",
            }
        }
    }
}

參考連結：https://blog.csdn.net/z69183787/article/details/78133883