程序员经验分享-hwhale

es--基础--9.2--SpringBoot注解--Field--介绍

2023-10-30

es–基础–9.2–SpringBoot注解–Field–介绍

内容

@Retention(RetentionPolicy.RUNTIME)
@Target(ElementType.FIELD)
@Documented
@Inherited
public @interface Field {
	@AliasFor("name")
	String value() default "";
	
	@AliasFor("value")
	String name() default "";
	
	# 自动检测属性的类型，可以根据实际情况自己设置
	FieldType type() default FieldType.Auto;
	
	# 是否建立索引
	boolean index() default true;
	
	# 时间类型的格式化
	DateFormat format() default DateFormat.none;
	
	String pattern() default "";
	
	# 默认情况下不存储原文
	boolean store() default false;
	
	boolean fielddata() default false;
	
	# 指定字段搜索时使用的分词器
	String searchAnalyzer() default "";
	
	# 指定字段搜索时使用的分词器
	String analyzer() default "";
	
	String normalizer() default "";
	
	# 如果某个字段需要被忽略
	String[] ignoreFields() default {};
	
	boolean includeInParent() default false;
	
	String[] copyTo() default {};
	
	int ignoreAbove() default -1;
	
	boolean coerce() default true;
	
	boolean docValues() default true;
	
	boolean ignoreMalformed() default false;
	
	IndexOptions indexOptions() default IndexOptions.none;
	
	boolean indexPhrases() default false;
	
	implemented as array to enable the empty default value
	
	IndexPrefixes[] indexPrefixes() default {};
	
	boolean norms() default true;
	
	String nullValue() default "";
	
	int positionIncrementGap() default -1;
	
	Similarity similarity() default Similarity.Default;
	
	TermVector termVector() default TermVector.none;
	
	double scalingFactor() default 1;
	
	int maxShingleSize() default -1;
	 
	
	boolean storeNullValue() default false;
	
	
	boolean positiveScoreImpact() default true;
	
	boolean enabled() default true;
	
	boolean eagerGlobalOrdinals() default false;
	
	NullValueType nullValueType() default NullValueType.String;

}

1、String value() default “”;

字段名称，是name的别名

2、String name() default “”;

字段名称

3、FieldType type() default FieldType.Auto;

  1. 字段类型
  2. 默认：自动检测字段的类型

4、boolean index() default true;

  1. 是否建立索引
  2. false：
    1. 不能查询
    2. 不能得到返回

5、DateFormat format() default DateFormat.none;

  1. 时间类型的格式化

6、String pattern() default “”;111

7、boolean store() default false;

  1. 是否存储原文
  2. false：字段内容 存储到_source中
  3. ture：字段内容 存储到其他地方，不存储到_source中

7.1、field是怎么存储的

  1. 当你将一个field的store属性设置为true，这个会在lucene层面处理。lucene是倒排索引，可以执行快速的全文检索，返回符合检索条件的文档id列表。
  2. 在全文索引之外，lucene也提供了存储字段的值的特性，以支持提供id的查询(根据id得到原始信息)。

7.2、_source(store=false)

  1. 会存储每一个文档的完整信息
  2. 好处
    1. 因为_source 是把所有字段保存为一份文档，命中后读取只需要一次 IO
  3. 坏处
    1. 查询的时候，是返回整个文档，因为_source 是把所有字段保存为一份文档，如果文档内容很大，是非常占用带宽的，通常我们也不需要 整个文档(可能只关心摘要)，因为可能就查询几个字段，而store=ture，就是来解决这个问题的

7.3、store=ture

  1. 在 _source 存储之外再为这个字段独立进行存储
  2. 使用场景
    1. 针对内容比较多的字段
  3. 坏处
    1. 从每一个stored field中获取值都需要一次磁盘io，如果想获取多个field的值，就需要多次磁盘io，但是，如果从_source中获取多个field的值，则只 需要一次磁盘io，因为_source只是一个字段而已。所以在大多数情况下，从_source中获取是快速而高效的。
  4. 注意：
    1. 将 store 设置为 yes，一般来说还应该在 _source 排除 exclude 掉这个字段，这时候索引的字段，不会保存在 _source 里了，会独立存储一份，查询时 _source 里也没有这个字段了，但是还是可以通过指定返回字段来获取，但是会有额外的 IO 开销。
      1. _source 的读取 需要一次 IO
      2. field 字段的读取 需要一次 IO

7.4、match 和高亮

  1. store=ture：
    1. 可以 match
    2. 可以 高亮
  2. store=false，且_source 不存储：
    1. 数据 不会返回了
    2. 数据 不能高亮
    3. 可以 match

8、boolean fielddata() default false;

是否支持聚合查询

8.1、doc_values

  1. 支持排序，聚合，脚本等需求，以面向列的方式存储，对于排序和聚合来说更高效
  2. 对于text字段，doc_values是不支持的。除非使用fielddata

8.2、fielddata

  1. 这是一种把text字段放到内存中来处理的方式，先直接从磁盘读取每个段的反向索引，然后通过反向索引，反转索引与文档的关系，最后将结果放到JVM堆内存中来处理。
  2. 由于fielddata的机制，会占用大量堆空间，因此可能会造成频繁的FullGC，导致用户遇到延迟、卡顿等现象，这也是为什么fielddata默认为不开启的原因。
  3. 替代方案：keyword

9、String searchAnalyzer() default “”;

查询时，先对要查询的text类型的输入做分词，再去倒排索引中搜索。

10、String analyzer() default “”;

插入文档时，将text类型的字段做分词然后插入倒排索引。

11、String normalizer() default “”;

  1. normalizer：是keyword的一个属性，可以对 keyword 生成的 单一Term 再做进一步的处理。简单来说，就是对字段的内容进行处理。

11.1、“normalizer”: “lowercase”

  1. 文档写入时，所有的 term 都会被做小写处理，也就是说字段内容都小写后，再存储
  2. 查询时，如果参数是这个字段，那么 字段内容都小写后，再查询

12、String[] ignoreFields() default {};

  1. 某个字段需要被忽略
  2. 因为_source会存储每一个文档的完整信息，返回的时候会返回整个文档，使用ignoreFields，那么会忽略掉对应的字段。

13、boolean includeInParent() default false;

  1. 设置所有嵌套对象属性的include_in_parent值
  2. true：在嵌套对象中的所有字段会被添加到父文档的作为标准字段
  3. false：

13.1、举例

字段类型为nested类型时

"entity": [
    {
        "id": "1"  
        "name": "张三"
    },
    {
        "id": "2"
        "name": "李四"
    }
]

当字段类型为nested类型时，需要把entity字段的include_in_parent属性设置成true，例如：


"entity": {
    "type": "nested",
    "include_in_parent": true,    //默认为false
    "properties": {
        "id": {
            "type": "keyword"
        },
        "name": {
            "type": "text",
            "fields": {
                "completion": {
                    "type": "text",
                    "analyzer": "completion_analyzer"
                },
                "keyword": {
                    "type": "keyword"
                },
                "pinyin": {
                    "type": "text",
                    "analyzer": "full_pinyin_analyzer"
                }
            },
            "analyzer": "ik_max_word"
        }
    }
}

以下查询语句才会生效：

{
  "query": {
    "script": {
      "script": "doc['entity.id'].size() > 1"  //1代表的是数组长度
    }
  }
}

14、String[] copyTo() default {};

  1. 可以将多个字段的值复制到组字段中(F1)，然后可以将其作为单个字段(F1)进行查询。
  2. F1：text类型
  3. 它是复制的字段值，而不是术语(由分析过程产生的)。
  4. _source不会修改 原始字段以显示复制的值。
  5. 可以将相同的值复制到多个字段中 “copy_to”: [ “field_1”, “field_2” ]

14.1、案例

PUT my_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "first_name": {
          "type": "text",
          "copy_to": "full_name"
        },
        "last_name": {
          "type": "text",
          "copy_to": "full_name"
        },
        "full_name": {
          "type": "text"
        }
      }
    }
  }
}
 
PUT my_index/_doc/1
{
  "first_name": "John",
  "last_name": "Smith"
}

irst_name和last_name字段 的值将复制到 full_name字段中。

该first_name和last_name领域仍可以分别查询了第一个名字和姓氏，但full_name现场可以查询两个姓和名。

GET my_index/_search
{
  "query": {
    "match": {
      "full_name": {
        "query": "John Smith",
        "operator": "and"
      }
    }
  }
}

15、int ignoreAbove() default -1;

  1. 设置 字段值的最大长度
  2. 超出这个长度的字段将不会被索引，但是会存储。

16、boolean coerce() default true;

  1. 是否强制尝试清除脏值以适合字段的数据类型
  2. true：尝试清除脏值
  3. false：不清除脏值，那么请求的参数一定要符合字段类型的要求

16.1、介绍

数据并不总是干净的。根据它的生成方式，数字可能会在JSON正文中呈现为真正的JSON数字，例如5，但它也可能呈现为字符串，例如"5"。或者，应该是整数的数字可以替代地呈现为浮点，例如5.0，或甚至"5.0"。

改参数，就是设置 请求的参数是否一定要符合字段类型的要求。

16.2、案例

PUT my_index
{
  "mappings": {
    "_doc": {
      "properties": {
        "number_one": {
          "type": "integer"
        },
        "number_two": {
          "type": "integer",
          "coerce": false
        }
      }
    }
  }
}
 
PUT my_index/_doc/1
{
  "number_one": "10"
}
 
PUT my_index/_doc/2
{
  "number_two": "10"
}
  1. 文档1，改请求能够执行
  2. 文档2，改请求能够报错，因为规定number_two的值必须为integer，而不是字符串。

17、boolean docValues() default true;

  1. 倒排索引可以提供全文检索能力，但是无法提供对排序和数据聚合的支持。doc_values 本质上是一个序列化的列式存储结构，适用于聚合(aggregations)、排序(Sorting)、脚本(scripts access to field)等操作。
  2. 默认情况下，ES几乎会为所有类型的字段存储doc_value，但是 text 或 text_annotated 等可分词字段不支持 doc values 。
  3. 如果不需要对某个字段进行排序或者聚合，则可以关闭该字段的doc_value存储。
https://blog.csdn.net/a745233700/article/details/117915118

18、boolean ignoreMalformed() default false;

  1. 是否忽略字段格式类型
  2. false：不忽略，如果将错误的数据类型映射到字段中则会报错
  3. true：忽略，当你对数据类型不太确定时，可以尝试配置这个属性为true。

18.1、案例

创建一个索引，number_one和number_two两个属性都是integer类型的，但是number_one配置了 “ignore_malformed”: true


PUT my-index-000001
{
  "mappings": {
    "properties": {
      "number_one": {
        "type": "integer",
        "ignore_malformed": true
      },
      "number_two": {
        "type": "integer"
      }
    }
  }
}

number_one添加一条字符类型的数据，能够添加成功。

PUT my-index-000001/_doc/1
{
  "text":       "Some text value",
  "number_one": "foo" 
}

number_two添加一条字符类型的数据，则提示数据类型异常。

PUT my-index-000001/_doc/2
{
  "text":       "Some text value",
  "number_two": "foo" 
}

19、IndexOptions indexOptions() default IndexOptions.none;

  1. 用于控制添加到倒排索引中的信息，服务于搜索和高亮等目的。

19.1、包括以下参数

  1. docs： 只有文档编号被索引。能够回答的问题只有此 term(词条)是否存在于此字段。
  2. freqs：
    1. 文档编号和term(词条)的频率会被索引。
    2. term(词条)频率用于给搜索评分，重复出现的term(词条)评分将高于单个出现的term(词条)。
  3. positions：
    1. 文档编号、term frequencies(词条频率)和term(词条)位置(或顺序)将被索引。4
    2. Position被用于 proximity queries (邻近查询)和phrase queries(短语查询)。
  4. offsets：
    1. 文档编号、term(词条)频率，位置，起始和结尾字符偏移量(用于映射该 term (词条)到原始字符串)将被索引。
    2. Offset用于postings highlighter。
  5. 被分析器分析的字符串字段使用 **position **作为默认值，其他的字段使用 **docs **作为默认值。

20、boolean indexPhrases() default false;

  1. 主要将两个单词的组合索引到单独字段中，这样在进行精确的短语查询的时候会更有效。
  2. text 字段具有index＿phrases选项，该选项索引2个，并且查询解析器会自动利用该选项来运行不带斜率的词组查询。如果您的用例涉及运行 大量短语查询，则可以大大加快查询速度。
  3. 提升 短语查询速度，但是要消耗更多磁盘空间

20.1、案例

20.1.1、创建索引

# index_phrases

PUT /my_index
{
  "mappings" : {
    "properties" : {
      "name" : {
        "type"          : "text",
        "index_phrases" : true,
        "fields" : {
          "normal" : {
            "type" : "text"
          }
        }
      }
    }
  }
}
 
# 插入
POST /my_index/_doc/1
{
  "name" : "this is a dog is dog is dog"
}

# 插入
POST /my_index/_doc/2
{
  "name" : "this is dog"
}

20.1.2、查询1

# 搜索, index_phrases 为 true
GET /my_index/_search
{
  "query" : {
    "match_phrase" : {
      "name" : "is dog"
    }
  }
}

结果

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.23594555,
    "hits" : [
      {
        "_index" : "my_index",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.23594555,
        "_source" : {
          "name" : "this is dog"
        }
      },
      {
        "_index" : "my_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.21681483,
        "_source" : {
          "name" : "this is a dog is dog is dog"
        }
      }
    ]
  }
}

20.1.3、查询2

# 搜索, index_phrases 为 false
GET /my_index/_search
{
  "query" : {
    "match_phrase" : {
      "name.normal" : "is dog"
    }
  }
}

结果

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.44793728,
    "hits" : [
      {
        "_index" : "my_index",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.44793728,
        "_source" : {
          "name" : "this is dog"
        }
      },
      {
        "_index" : "my_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.44455233,
        "_source" : {
          "name" : "this is a dog is dog is dog"
        }
      }
    ]
  }
}

21、NullValueType nullValueType() default NullValueType.String;

null值类型，有以下几个值

  1. String
  2. Integer
  3. Long
  4. Double

22、IndexPrefixes[] indexPrefixes() default {};

  1. 为字段值的前缀编制索引，以加快前缀搜索速度
  2. min_chars：前缀最小长度，>0，默认2(包含)
  3. max_chars：前缀最大长度，<20，默认5(包含)
PUT my_index
{
  "mappings": {
    "properties": {
      "full_name": {
        "type": "text",
        "index_prefixes": {
          "min_chars" : 1,
          "max_chars" : 10
        }
      }
    }
  }
}

23、boolean norms() default true;

  1. 是否禁用评分
    1. false：禁用
    2. true：不禁用
  2. 当计算得分的时候，是否需要把字段长度用作参数计算，尽管计算得分时把字段长度考虑在内可以提高得分的精确性，但这样会消耗大量的磁盘空间(每个文档的每个字段都会消耗一个字节，即使某些文档不包含这个字段)。因此，如果不需要计算字段的得分，你应该禁用该字段的norms
  3. 场景
    1. 在过滤和聚合字段上应该禁用
  4. 只有type 为 “text” 的字段， 才能设置 norms=true
  5. 只有type 为 “keyword” 类型的字段，才能设置 norms=false
PUT my_index/_mapping
{
  "properties": {
    "title": {
      "type": "text",
      "norms": false
    }
  }
}

24、String nullValue() default “”;

使用指定的值替换为null值，以便可以进行索引和搜索

25、int positionIncrementGap() default -1;

  1. 当该field类型是text，且value是一个数组的时候才会起作用，将在值之间添加"假gap"间隙，以防止大多数短语查询在值之间
  2. 正常情况下一个text输入field之前会进行analysis，一般会有ananlzyer分词，并且记录每个词的position，当一个filed的输入有多个values的时候，会填充虚假的gap，让不同的field之间的position加大。

25.1、案例

观察下面的analyze


# 插入数据
POST my_index/_analyze
{
  "analyzer": "standard",
  "text": ["want some","like bread"]
}




{
  "tokens" : [
    {
      "token" : "want",
      "start_offset" : 0,
      "end_offset" : 4,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "some",
      "start_offset" : 5,
      "end_offset" : 9,
      "type" : "<ALPHANUM>",
      "position" : 1
    },
    {
      "token" : "like",
      "start_offset" : 10,
      "end_offset" : 14,
      "type" : "<ALPHANUM>",
      "position" : 102
    },
    {
      "token" : "bread",
      "start_offset" : 15,
      "end_offset" : 20,
      "type" : "<ALPHANUM>",
      "position" : 103
    }
  ]
}
  1. 可以看到 like bread的position 一个是102，一个是103，这就说明中间加入了虚假的gap，因为中间的position实际上是没有值的。
  2. 这种操作主要是为了在进行phrase查询的时候出错，比如查询some like命中了该文档是不合理的

25.2、案例2

PUT my_index
{
  "mappings": {
    "properties": {
      "names": {
        "type": "text",
        "position_increment_gap": 0 
      }
    }
  }
}

PUT my_index/_doc/1
{
    "names": [ "John Abraham", "Lincoln Smith"]
}

GET my_index/_search
{
    "query": {
        "match_phrase": {
            "names": "Abraham Lincoln" 
        }
    }
}

该查询会将doc1召回，显然是不合理的

26、Similarity similarity() default Similarity.Default;

  1. 针对 text类型
  2. 为字段设置相似度计算模型
  3. 这个计算模型可以自定义，也可以使用es内置的
  4. es内置的相似度打分模型有3个
    1. BM25：es中默认的打分模型
    2. classic：es早起版本的打分模型，也是经典的打分模型
    3. boolean：只能判断是否命中，得分score就是query boost
PUT my_index
{
  "mappings": {
    "properties": {
      "default_field": { 
        "type": "text"
      },
      "boolean_sim_field": {
        "type": "text",
        "similarity": "boolean" 
      }
    }
  }
}

27、TermVector termVector() default TermVector.none;

  1. 针对 text类型
  2. term向量是针对字段数据进行了analysis处理后的产生的term的组合
  3. 存储 字段的词矢量(Term vectors)信息。包括：词、位置、偏移量、有效载荷
  4. 场景
    1. 一般情况下没有什么用，只是在快速高亮显示上又一些用处。
  5. 缺点
    1. 会使字段在索引中的存储翻倍，因为需要一个额外的list terms去维护。

27.1、term 包含了下面的内容

  1. 一个terms的list
  2. 每个term中的position(位置)
  3. 每个term在原始文档中的offset(偏移量)
  4. payload(有效载荷)信息

27.2、term_vector 的设置

  1. no: No term vectors are stored。 (default) 这个是默认值
  2. yes: Just the terms in the field are stored。
  3. with_positions: Terms and positions are stored。
  4. with_offsets: Terms and character offsets are stored。
  5. with_positions_offsets: Terms，positions，and character offsets are stored。
  6. with_positions_payloads: Terms，positions，and payloads are stored。
  7. with_positions_offsets_payloads: Terms，positions，offsets and payloads are stored。

27.3、term_vector 的设置

当我们使用term vectors API的时候可以查看一个文档中field的vector

27.3.1、创建索引和插入数据

# 创建索引
PUT my_index
{
  "mappings": {
    "properties": {
      "text": {
        "type":        "text",
        "term_vector": "with_positions_offsets"
      },
      "number":{
        "type": "text"
      }
    }
  }
}

# 插入数据
PUT my_index/_doc/1?refresh
{
  "text": "Quick brown fox",
  "number":"want app and want banana"
}

27.3.2、使用terms vectors api 查看field包含的terms

GET my_index/_termvectors/1?fields=number,text

返回


{
  "_index" : "my_index",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "took" : 0,
  "term_vectors" : {
    "text" : {
      "field_statistics" : {
        "sum_doc_freq" : 3,
        "doc_count" : 1,
        "sum_ttf" : 3
      },
      "terms" : {
        "brown" : {
          "term_freq" : 1,
          "tokens" : [ { "position" : 1, "start_offset" : 6, "end_offset" : 11}]
        },
        "fox" : {
          "term_freq" : 1,
          "tokens" : [ { "position" : 2, "start_offset" : 12, "end_offset" : 15}]
        },
        "quick" : {
          "term_freq" : 1,
          "tokens" : [ { "position" : 0, "start_offset" : 0, "end_offset" : 5}]
        }
      }
    },
    "number" : {
      "field_statistics" : {
        "sum_doc_freq" : 4,
        "doc_count" : 1,
        "sum_ttf" : 5
      },
      "terms" : {
        "and" : {
          "term_freq" : 1,
          "tokens" : [ { "position" : 2, "start_offset" : 9, "end_offset" : 12}]
        },
        "app" : {
          "term_freq" : 1,
          "tokens" : [ { "position" : 1, "start_offset" : 5, "end_offset" : 8}]
        },
        "banana" : {
          "term_freq" : 1,
          "tokens" : [ { "position" : 4, "start_offset" : 18, "end_offset" : 24}]
        },
        "want" : {
          "term_freq" : 2,
          "tokens" : [ { "position" : 0, "start_offset" : 0, "end_offset" : 4}, 
	             { "position" : 3, "start_offset" : 13, "end_offset" : 17}]
        }
      }
    }
  }
}
  1. 以上，可以看到文档的term vector信息，
  2. number字段没有设置保存term_vector，在使用api的时候依然能够查到，这是因为terms vector api的原理导致的，如果没有的话他会自己从index中进行计算得到数据

27.3.3、假如直接使用

GET my_index/_termvectors/1

这个只会获取默认已经存储的term vectors，那么就不会返回number的term vectors了。

使用

GET my_index/_termvectors/1?fields=number,text

会触发强制计算term vectors。

28、double scalingFactor() default 1;

  1. 使用缩放因子将浮点数据存储到整数
  2. scalingFactor 由 long 数据类型来支持。long 数据类型在 Lucene 里可以被更加有效地压缩，从而节省存储的空间。
  3. 举例：
    1. 定义 scalingFactor 为 100。这样我们的数据，比如 1.99 刚好可以在乘以 100 变为 199，从而成为一个整型数。

29、int maxShingleSize() default -1;

  1. 分词的深度

29.1、案例

如果你有文本 “foo bar baz” 并再次使用 in_shingle_size 为 2 且 max_shingle_size 为 3，则你将生成以下 token：

foo, foo bar, foo bar baz, bar, bar baz, baz

29.2、使用

PUT my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "shingle": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "shingle-filter"
          ]
        }
      },
      "filter": {
        "shingle-filter": {
          "type": "shingle",
          "min_shingle_size": 2,
          "max_shingle_size": 3,
          "output_unigrams": false
        }
      }
    }
  }
}

30、boolean storeNullValue() default false;

是否能存储null

31、boolean positiveScoreImpact() default true;

  1. 和排名功能查询相关
  2. 涉及字段类型
    1. rank_feature
    2. rank_features

32、boolean enabled() default true;

  1. 是否 创建倒排索引
    1. false：
      1. 不建立索引，仍然可以检索并在_source元数据中展示，谨慎使用，该状态无法修改。
      2. 不能被搜索
      3. 不能存储
    2. true：建立索引，可以对其进行获取，但是不会以任何方式对它的内容建立索引
  2. 可以对字段操作，也可以对索引操作
    1. 对索引操作，这样的话index的所有字段都是没有indexed的
  3. 使用场景
    1. 只能 应用于顶级映射和object类型下

32.1、举例1

PUT my_index
{
  "mappings": {
    "properties": {
      "user_id": {
        "type":  "keyword"
      },
      "last_updated": {
        "type": "date"
      },
      "session_data": { 
        "type": "object",
        "enabled": false
      }
    }
  }
}

PUT my_index/_doc/session_1
{
  "user_id": "kimchy",
  "session_data": { 
    "arbitrary_object": {
      "some_array": [ "foo", "bar", { "baz": 2 } ]
    }
  },
  "last_updated": "2015-12-06T18:20:22"
}

PUT my_index/_doc/session_2
{
  "user_id": "jpountz",
  "session_data": "none", 
  "last_updated": "2015-12-06T18:22:13"
}


GET my_index
返回
{
  "my_index" : {
    "aliases" : { },
    "mappings" : {
      "properties" : {
        "last_updated" : {
          "type" : "date"
        },
        "session_data" : {
          "type" : "object",
          "enabled" : false
        },
        "user_id" : {
          "type" : "keyword"
        }
      }
    }
}
  1. 禁用了session_data字段。
  2. 任何任意数据都可以传递到session_data字段，因为它将被完全忽略。会存在_source当中，不能被搜索，对应的mapping文件也不会有dynamic field加入
  3. session_data还将忽略非JSON对象的值。

33、boolean eagerGlobalOrdinals() default false;

  1. eagerGlobalOrdinals：是否渴望(eager)全局序号(Ordinals)
    1. 本质：是否启用聚合性能优化，启用的话，能提升高基数聚合性能。
    2. 适用场景：
      1. 高基数聚合
      2. 高基数聚合场景中的高基数含义：一个字段包含很大比例的唯一值。
  2. global ordinals 表示 全局序号，是一种数据结构，应用场景如下：
    1. 基于 keyword，ip 等字段的分桶聚合，包含：terms聚合、composite聚合 等。
    2. 基于 text 字段的分桶聚合(前提条件是：fielddata 开启)。
    3. 基于 父子文档 Join 类型的 has_child 查询和 父聚合。
  3. global ordinals 使用一个数值代表字段中的字符串值，然后为每一个数值分配一个 bucket(分桶)。
  4. 启用 eager_global_ordinals 时，会在刷新(refresh)分片时 构建全局序号。这将构建全局序号的成本从搜索阶段转移到了数据索引化(写入)阶段。
PUT /my‐index 
{ 
"mappings": {
 "properties": {
  "tags": { 
 	"type": "keyword",
  	"eager_global_ordinals": true
  } 
 } 
}
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

elasticsearch

spring boot

Java

es--基础--9.2--SpringBoot注解--Field--介绍 的相关文章

  • ElasticSearch 映射对分组文档进行折叠/执行操作的结果

    有一个对话列表 每个对话都有一个消息列表 每条消息都有不同的字段和action场地 我们需要考虑到在对话的第一条消息中使用了动作A 在几条消息之后有使用的动作A 1过了一会儿A 1 1等等 有一个聊天机器人意图列表 对对话的消息操作进行分组

  • java程序有多少种结束方式？

    我知道使用 System exit 0 可以结束一个java程序 例如 如果我有一个JFrame窗口 它会关闭并结束程序 但我想知道还有多少其他方法 可以关闭它并结束程序 包括发生错误时 程序会被关闭 JFrame也会被关闭吗 添加到其他答

  • 使用 proguard 混淆文件名

    我正在使用 proguard 和 Android Studio 混淆我的 apk 当我反编译我的apk时 我可以看到很多文件 例如aaa java aab java ETC 但我项目中的所有文件都有原始名称 有没有办法混淆我的项目的文件名

  • 为什么在 10 个 Java 线程中递增一个数字不会得到 10 的值？

    我不明白 a 的值为0 为什么 a 不是10 那段代码的运行过程是怎样的 是否需要从Java内存模型来分析 这是我的测试代码 package com study concurrent demo import lombok extern sl

  • Java LostFocus 和 InputVerifier，按反向制表符顺序移动

    我有一个 GUI 应用程序 它使用 InputVerifier 在产生焦点之前检查文本字段的内容 这都是很正常的 然而 昨天发现了一个问题 这似乎是一个错误 但我在任何地方都找不到任何提及它的地方 在我将其报告为错误之前 我想我应该问 我在

  • 查看Java Agent修改的Java类的源代码

    我需要了解 Java 代理如何修改我的初始类 以便我能够理解代码的作用 build gradle configurations jar archiveName agent2 jar jar manifest attributes Prema

  • 我们可以有条件地声明 spring bean 吗？

    有没有一种方法可以有条件地声明 Spring bean 例如

  • 自定义列表字段点击事件

    我正在编写一个应用程序 其中我创建了用于显示列表视图的自定义列表字段 我的 CustomListField 包含连续的一个图像和文本 我正在通过单击列表字段行获取字段更改侦听器 但我也想将字段更改侦听器放在图像上 谁能告诉我我该怎么做 这是

  • 未装饰窗户的 Windows Snap 功能？

    有谁知道如何允许未装饰的窗户使用此功能 唯一的选择就是重新实施它 有任何想法吗 谢谢 可停靠可能是唯一的JToolBar http docs oracle com javase tutorial uiswing components too

  • 如何使用 Java 引用释放 Java Unsafe 内存？

    Java Unsafe 类允许您按如下方式为对象分配内存 但是使用此方法在完成后如何释放分配的内存 因为它不提供内存地址 Field f Unsafe class getDeclaredField theUnsafe Internal re

  • Java AES 256 加密

    我有下面的 java 代码来加密使用 64 个字符密钥的字符串 我的问题是这会是 AES 256 加密吗 String keyString C0BAE23DF8B51807B3E17D21925FADF273A70181E1D81B8EDE

  • JAXB - 忽略元素

    有什么方法可以忽略 Jaxb 解析中的元素吗 我有一个很大的 XML 文件 如果我可以忽略其中一个大而复杂的元素 那么它的解析速度可能会快很多 如果它根本无法验证元素内容并解析文档的其余部分 即使该元素不正确 那就更好了 例如 这应该只生成

  • 在 Spring 中为 @Pathvariable 添加类级别验证

    在发布这个问题之前 我已经做了很多研究并尝试了很多可用的解决方案 这是我陷入的棘手情况 我有一个 Spring 控制器 它有多个请求映射 它们都有 PathVariables 控制器如下所示 Controller EnableWebMvc

  • Mockito 和 Hamcrest：如何验证 Collection 参数的调用？

    我遇到了 Mockito 和 Hamcrest 的泛型问题 请假设以下界面 public interface Service void perform Collection

  • Android 认为我没有关闭数据库！为什么？

    我有一个 SQLiteDatabase 数据成员 我在 onCreate 中初始化它 并在 onPause onStop 和 onDestroy 中调用 close 它在 onResume 中重新初始化 它似乎运行得很好 但当我查看调试器时

  • UseCompressedOops JVM 标志有什么作用以及何时应该使用它？

    HotSpot JVM 标志是什么 XX UseCompressedOops我应该做什么以及什么时候使用它 在 64 位 Java 实例上使用它 与不使用它 时 我会看到什么样的性能和内存使用差异 去年大多数 HotSpot JVM 都默认

  • 数据库中的持久日期不等于检索日期

    我有一个具有 Date 属性的简单实体类 此属性对应于 MySQL 日期时间列 Entity public class Entity Column name start date Temporal TemporalType TIMESTAM

  • java实现excel价格、收益率函数[关闭]

    就目前情况而言 这个问题不太适合我们的问答形式 我们希望答案得到事实 参考资料或专业知识的支持 但这个问题可能会引发辩论 争论 民意调查或扩展讨论 如果您觉得这个问题可以改进并可能重新开放 访问帮助中心 help reopen questi

  • 我所有的 java 应用程序现在都会抛出 java.awt.headlessException

    所以几天前我有几个工作Java应用程序使用Swing图书馆 JFrame尤其 他们都工作得很好 现在他们都抛出了这个异常 java awt headlessexception 我不知道是什么改变了也许我的Java版本不小心更新了 谢谢你尽你

  • Java 的“&&”与“&”运算符

    我使用的示例来自 Java Herbert Schildt 的完整参考文献 第 12 版 Java 是 14 他给出了以下 2 个示例 如果阻止 第一个是好的 第二个是错误的 因此发表评论 public class PatternMatch

随机推荐

  • 在Unity中使用OOP

    以Main Camera 为例 所有组件 Transform Camera Audio Listener Scirpts 在Unity中都是类 单击Play按钮时 这些组件都会成为内存中的对象 1 获取组件 使用GameObject类的Ge

  • Scala简介与安装

    目录 一 Scala简介 一 Scala概述 二 函数式编程 三 Scala特性 1 一切都是对象 2 一切都是函数 3 一切都是表达式 四 在线运行Scala 二 选择Scala版本 三 Windows上安装Scala 一 到Scala官

  • /var/run/yum.pid 已被锁定，PID 为 xxxx 的另一个程序正在运行的问题解决

    问题 解决 root localhost rm f var run yum pid

  • openGL阴影实现（软阴影）

    openGL系列文章目录 文章目录 openGL系列文章目录 前言 一 现实世界中的柔和阴影 二 生成柔和阴影 百分比邻近滤波 PCF 1 引入库 代码 运行效果 源码下载 前言 目前我们所展示的阴影生成方法都仅限于生成硬阴影 即带锐边的阴

  • R语言绘制箱线图并添加相关显著性

    箱线图 又称盒须图 通过绘制连续型变量的五数总括 即最小值 下四分位数 第25百分位数 中位数 第50百分位数 上四分位数 第75百分位数 以及最大值 描述了连续型变量 的分布 它主要用于反映原始数据分布的特征 还可以进行多组数据分布特征的

  • 网络爬虫CSS选择器详细讲解

    网络爬虫CSS选择器详细讲解 前言 使用步骤 1 解析的HTML代码 2 逐层选择节点 3 获取文本 string和get text 4 获取节点的属性值 5 选择单个和多个节点 6 通过class和id选择节点 class id 7 选择

  • PLY 模型文件简析

    PLY 模型文件简析 参考链接 wiki需要FFFQQQ TIPS 主要是一些英文的简析 但是一句话 网上讲的不清楚 特此说明property list uchar int vertex indices 应该是面的顶点数量使用 uchar

  • 苹果 / Apple iCloud 教育版 200GB 云盘账号自助注册教程

    因为教育机构的管理式 Apple ID 可以单点登录 SSO 登录 因此自助注册苹果 Apple iCloud 教育版 200GB 云盘账号就可以顺利进行了 自助注册苹果 Apple iCloud 教育版 200GB 云盘账号分为两步 自助

  • STM32速成笔记—IWDG

    文章目录 一 IWDG简介 二 STM32的IWDG 2 1 STM32的IWDG简介 2 2 喂狗 2 3 IWDG框图 三 IWDG配置步骤 四 IWDG配置程序 4 1 IWDG初始化程序 4 2 喂狗 五 应用实例 一 IWDG简介

  • 恶意代码的分类

    计算机病毒 注意这是狭义上的定义 和网络蠕虫都可以进行自我传播 那他们的本质区别是什么 计算机病毒 一组能进行自我传播 需要用户干预来触发执行的破坏性程序或代码 网络蠕虫 一组能进行自我传播 不需要用户干预即可触发执行的破坏性程序或代码 1

  • [007]爬虫系列

    一 找到首次加载的js 用源码面板打开 二 第一行打断点 格式化 三 刷新网页 成功断点 执行hook 代码如下 function use strict var cookieTemp Object defineProperty docume

  • 前端实现流程图效果_微前端在58商业的探索实践

    导读 商业FE部门分四个业务组 每个组内迭代着多个中后台应用 其中有跨组协作项目 这些项目的特点是UI UE相似 有较多的组件 逻辑复用场景 技术栈统一为VUE 且项目在不断迭代中 实践微前端架构能提高业务复用性 让各团队更高效的分治项目

  • npm，webpack学习中遇到的各种问题

    问题 打包的时候报错 Uncaught ReferenceError regeneratorRuntime is not defined 解决 详见babel plugin transform runtime babel pollyfill

  • Python字典操作方法--items（）

    d items 返回字典中的所有键值对信息 返回结果是Python的一种内部数据类型dict items 如果希望更好的使用返回结果 可以将其转换为列表类型 键值对以元组类型 即括号形式 表示 gt gt gt d 2018 小明 2019

  • Flutter与Native通信原理剖析与实践

    通信原理 我们分几种场景来介绍Flutter和Native之间的通信 Native发送数据给Flutter Flutter发送数据给Native Flutter发送数据给Native 然后Native回传数据给Flutter Flutter

  • 系统服务器有哪几种,服务器的操作系统有哪几种

    服务器的操作系统有哪几种 内容精选 换一换 切换操作系统是为您的云服务器重新切换一个系统盘 切换完成后云服务器的系统盘ID会发生改变 并删除原有系统盘 如果云服务器当前使用的操作系统不能满足业务需求 如软件要求的操作系统版本较高 您可以选择

  • 【yarn】yarn RMContainer 状态机正常执行流程

    1 概述 上一篇文章 Yarn Yarn Service端如何处理客户端提交的任务 在上一篇文章中 我们知道服务器接收到客户端提交的任务之后 会启动多个状态机进行联合操作 最终来解决任务提交之后的全流程 多个状态机合作完成任务 然后我们看了

  • 工业相机SDK二次开发

    1 工业相机编程模型和流程 2 工业相机SDK接口使用总结 3 Basler Pylon工业相机SDK的使用 4 Pylon 以实时图像采集讲解PylonC SDK使用流程 5 关于使用维视工业相机 SDK 采集图像的问题 6 工业相机SD

  • 【快速上手系列】使用七牛云+webuploader实现对象云存储（OSS）

    快速上手系列 使用七牛云 webuploader实现对象云存储 OSS 步骤 一 七牛云配置 1 新建存储空间 进入七牛云 注册登录 进入控制台 选择对象存储 Kodo 选择空间管理 新建空间 免费30天 写好了之后点击确定 2 获取 Ac

  • es--基础--9.2--SpringBoot注解--Field--介绍

    es 基础 9 2 SpringBoot注解 Field 介绍 内容 Retention RetentionPolicy RUNTIME Target ElementType FIELD Documented Inherited publi

热门标签