查看表结构的定义
GET /testindex/_mapping
GET /testindex/testtable/_mapping（一）核心数据类型：
（1）string： 默认会被分词
string类型包括：text 和 keyword
一个完整示例如下 :
"status": {
"type": "string", //字符串类型
"index": "analyzed"//分词，不分词是：not_analyzed ，设置成no，字段将不会被索引
"analyzer":"ik"//指定分词器
"boost":1.23//字段级别的分数加权
"doc_values":false//对not_analyzed字段，默认都是开启，分词字段不能使用，对排序和聚合能提升较大性能，节约内存
"fielddata":{"format":"disabled"}//针对分词字段，参与排序或聚合时能提高性能，不分词字段统一建议使用doc_value
"fields":{"raw":{"type":"string","index":"not_analyzed"}} //可以对一个字段提供多种索引模式，同一个字段的值，一个分词，一个不分词
"ignore_above":100 //超过100个字符的文本，将会被忽略，不被索引
"include_in_all":ture//设置是否此字段包含在_all字段中，默认是true，除非index设置成no选项
"index_options":"docs"//4个可选参数docs（索引文档号） ,freqs（文档号+词频），positions（文档号+词频+位置，通常用来距离查询），offsets（文档号+词频+位置+偏移量，通常被使用在高亮字段）分词字段默认是position，其他的默认是docs
"norms":{"enable":true,"loading":"lazy"}//分词字段默认配置，不分词字段：默认{"enable":false}，存储长度因子和索引时boost，建议对需要参与评分字段使用 ，会额外增加内存消耗量
"null_value":"NULL"//设置一些缺失字段的初始化值，只有string可以使用，分词字段的null值也会被分词
"position_increament_gap":0//影响距离查询或近似查询，可以设置在多值字段的数据上火分词字段上，查询时可指定slop间隔，默认值是100
"store":false//是否单独设置此字段的是否存储而从_source字段中分离，默认是false，只能搜索，不能获取值
"search_analyzer":"ik"//设置搜索时的分词器，默认跟ananlyzer是一致的，比如index时用standard+ngram，搜索时用standard用来完成自动提示功能
"similarity":"BM25"//默认是TF/IDF算法，指定一个字段评分策略，仅仅对字符串型和分词类型有效
"term_vector":"no"//默认不存储向量信息，支持参数yes（term存储），with_positions（term+位置）,with_offsets（term+偏移量），with_positions_offsets(term+位置+偏移量) 对快速高亮fast vector highlighter能提升性能，但开启又会加大索引体积，不适合大数据量用
}string类型默认是analyzed，如果我们想映射字段为确切值，我们需要设置它为not_analyzed：
{
"demo": {
"type": "string",
"index": "not_analyzed"
}
} ES默认的分词器为standard， 想要改变默认分词器为ik分词器， 可以在config/elasticsearch.yml文件中添加如下配置即可：
index.analysis.analyzer.default.type:ik
测试分词：
GET _analyze?text=Black-cats
GET /testindex/_analyze
{
“text”:”Black-cats”
} 测试字段中的分词:
GET /testindex/_analyze?field=demo&text=Black-cats GET /testindex/_analyze
{
“field”:”demo”,
“text”:”Black-cats”
} （2）数字类型主要如下几种：
long：64位存储
integer：32位存储
short：16位存储
byte：8位存储
double：64位双精度存储
float：32位单精度存储支持参数：
coerce：true/false 如果数据不是干净的，将自动会将字符串转成合适的数字类型，字符串会被强转成数字，浮点型会被转成整形，经纬度会被转换为标准类型
boost：索引时加权因子
doc_value：是否开启doc_value
ignore_malformed：false（错误的数字类型会报异常）true（将会忽略）
include_in_all：是否包含在_all字段中
index:not_analyzed默认不分词
null_value：默认替代的数字值
precision_step：16 额外存储对应的term，用来加快数值类型在执行范围查询时的性能，索引体积相对变大
store：是否存储具体的值
（3）其他简单类型
日期类型：
date
布尔类型：
boolean
字节类型：
binary
（4）复合类型
数组类型：没有明显的字段类型设置，任何一个字段的值，都可以被添加0个到多个，要求，他们的类型必须一致：
对象类型：存储类似json具有层级的数据
嵌套类型：支持数组类型的对象Aarray[Object]，可层层嵌套
（5）地理类型
geo-point类型： 支持经纬度存储和距离范围检索
geo-shape类型：支持任意图形范围的检索，例如矩形和平面多边形
（6）专用类型
ipv4类型：用来存储IP地址，es内部会转换成long存储
completion类型：使用fst有限状态机来提供suggest前缀查询功能
token_count类型：提供token级别的计数功能
mapper-murmur3类型：安装sudo bin/plugin install mapper-size插件，可支持_size统计_source数据的大小
附件类型：需要 https://github.com/elastic/elasticsearch-mapper-attachments开源es插件支持，可存储office，html等类型
（7）多值字段：
一个字段的值，可以通过多种分词器存储，使用fields参数，支持大多数es数据类型
（二）Mapping 参数列表，上面文章出现过的不再解释：
copy_to： 与solr里面的copy_field字段功能一样，支持拷贝某个字段的值到集中的一个字段里面
properties：对象字段和嵌套字段可以包含子字段，这些属性可以被添加进去，例子如下
创建表结构
PUT /testindex/_mapping/testtable
{
"testtable": {
"_all": {
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word",
"term_vector": "no",
"store": "false"
},
"properties": {
"demo": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word",
"include_in_all": "true",
"boost": 8
}
}
}
}–给表testtable添加一个字段demo
PUT testindex/_mapping/testtable
{
"properties": {
"demo": {
"type": "text"
}
}
} 修改字段类型：
无法修改字段类型。
删除字段：
无法删除
修改mapping
Elasticsearch的mapping一旦创建，只能增加字段，而不能修改已经mapping的字段。但现实往往并非如此啊，有时增加一个字段，就好像打了一个补丁，一个可以，但是越补越多，最后自己都觉得惨不忍睹了。怎么办？？
这里有一个方法修改mapping，那就是重新建立一个index，然后创建一个新的mapping。你可能会问，这要是在生产环境，可行吗？答案是，如果你一开始就采取了合适的设计，这个完全是可以做到平滑过渡的。
采取什么合理设计呢？就是我们的程序访问索引库时，始终使用同义词来访问，而不要使用真正的indexName。在reindex完数据之后，修改之前的同义词即可。明白了吗？
参考上面的思路，我们来一步一步做。
step1、创建一个索引，这个索引的名称最好带上版本号，比如my_index_v1,my_index_v2等。
step2、创建一个指向本索引的同义词。
curl -XPOST localhost:9200/_aliases -d '
{
"actions": [
{ "add": {
"alias": "my_index",
"index": "my_index_v1"
}}
]
}
'此时，你可以通过同义词my_index访问。包括创建索引，删除索引等。
step3，需求来了，需要更改mapping了，此时，你需要创建一个新的索引，比如名称叫my_index_v2（版本升级）.，在这个索引里面创建你新的mapping结构。然后，将新的数据刷入新的index里面。在刷数据的过程中，你可能想到直接从老的index中取出数据，然后更改一下格式即可。如何遍历所有的老的index数据，请参考 这里 。
step4，修改同义词。将指向v1的同义词，修改为指向v2。http接口如下：
curl -XPOST localhost:9200/_aliases -d '
{
"actions": [
{ "remove": {
"alias": "my_index",
"index": "my_index_v1"
}},
{ "add": {
"alias": "my_index",
"index": "my_index_v2"
}}
]
}
'step5，删除老的索引。
curl -XDELETE localhost:9200/my_index_v1除此之外，还有几个其他的方法也可以更改mapping。
1、修改程序，添加字段。
就是说，你可以在mapping中增加一个新的字段，然后你对新的字段进行访问统计搜索。这个就要修改两个地方，一个是修改mapping增加字段，还有就是修改你的程序，把字段改成新的字段。
2、更改字段类型为multi_field。
multi_field允许为一个字段设置多个数据类型。应用multi_field的一个最典型的场景是：一个类型定义为analyed，这个字段可以被搜索到，一个类型定义为不分词，这个字段用于排序。
任何字段都可以被更新为multi_field（类型为object和nested的类型除外）。假设现在有一个字段，名字叫created，类型现在为string。
{ "created": { "type": "string"} }我们可以将它增加一种类型，使他既能被当做字符串又能当做日期型。
curl -XPUT localhost:9200/my_index/my_type/_mapping -d '
{
"my_type": {
"properties": {
"created": {
"type": "multi_field",
"fields": {
"created": { "type": "string" },
"date": { "type": "date" }
}
}
}
}
}
'采用标准的重建索引方式的时候，我们推荐大家为每一个type都建立一个索引同义词，即便在同一个索引库中的多个type，也推荐使用建立一个同义词来访问。即一个index里面包含一个type，因为在elasticsearch中，跨index查询数据是很方便的。这样，我们就可以在reindex一个type后，立即将type生效，而不是将index下面所有的type都重建完后，同义词才能生效。
