text 类型族
text 类型族包括以下字段类型：
text：用于全文内容（如电子邮件正文或产品描述）的传统字段类型。match_only_text：text的一种节省空间的变体，它禁用评分，并且在需要位置的查询上执行速度较慢。它最适合用于索引日志消息。
text 字段类型
用于索引全文值的字段，例如电子邮件正文或产品描述。这些字段会被分析，也就是说，在索引之前，它们会通过分析器将字符串转换为单个词元的列表。分析过程使 Elasticsearch 能够在每个全文搜索字段内搜索单个单词。text 字段不用于排序，也很少用于聚合（尽管 significant text 聚合是一个显著的例外）。
text 字段最适合非结构化但人类可读的内容。如果你需要索引非结构化的机器生成内容，参阅映射非结构化内容。
如果你需要索引结构化内容，例如电子邮件地址、主机名、状态码或标签，你可能应该改用 keyword 字段。
以下是 text 字段的映射示例：
PUT my-index-000001
{
"mappings": {
"properties": {
"full_name": {
"type": "text"
}
}
}
}
将字段同时用作 text 和 keyword
有时，对同一个字段同时拥有全文（text）和关键字（keyword）版本会很有用：一个用于全文搜索，另一个用于聚合和排序。这可以通过多字段来实现。
text 字段的参数
text 字段接受以下参数：
analyzer（可选，字符串）应用于text字段的分析器，在索引时和搜索时使用（除非被search_analyzer覆盖）。默认为索引的默认分析器，或standard分析器。eager_global_ordinals（可选，Boolean）是否应该在刷新时立即加载全局序号？接受true或false（默认）。对于经常用于（significant）terms 聚合的字段，启用此项是个好主意。fielddata（可选，Boolean）该字段是否可以使用内存中的 fielddata 进行排序、聚合或脚本操作？接受true或false（默认）。fielddata_frequency_filter（可选，对象）专家级设置，用于决定在启用 fielddata 时将哪些值加载到内存中。默认加载所有值。fields（可选，对象）多字段允许以多种方式为不同目的索引相同的字符串值，例如一个字段用于搜索，多字段用于排序和聚合，或者使用不同的分析器分析相同的字符串值。index（可选，Boolean）该字段是否应该可搜索？接受true（默认）或false。index_options（可选，枚举）应在索引中存储哪些信息，用于搜索和高亮显示。默认为positions。index_prefixes（可选，对象）如果启用，2 到 5 个字符的词元前缀会被索引到一个单独的字段。这使前缀搜索运行得更高效，但代价是更大的索引。index_phrases（可选，Boolean）如果启用，两个词的组合（shingles）会被索引到一个单独的字段中。这使精确短语查询（无 slop）运行得更高效，但代价是更大的索引。注意，当不移除停用词时效果最好，因为包含停用词的短语不会使用辅助字段，而会回退到标准短语查询。接受true或false（默认）。norms（可选，Boolean）在为查询评分时是否应考虑字段长度。接受true（默认）或false。position_increment_gap（可选，整数）应在字符串数组的每个元素之间插入的虚拟词元位置数量。默认为分析器上配置的position_increment_gap，后者默认为 100。选择 100 是因为它可以防止具有合理较大 slop（小于 100）的短语查询跨字段值匹配词元。store（可选，Boolean）是否应该单独存储字段值，使其可以独立于_source字段检索。接受true或false（默认）。search_analyzer（可选，字符串）text字段在搜索时应使用的分析器。默认为analyzer设置。search_quote_analyzer（可选，字符串）搜索时遇到短语应使用的分析器。默认为search_analyzer设置。similarity（可选，字符串）应使用哪种评分算法或相似性。默认为BM25。term_vector（可选，枚举）是否应为该字段存储词向量。默认为no。meta（可选，对象）关于该字段的元数据。
合成 _source
text 字段在其拥有支持合成 _source 的 keyword 子字段，或将 store 设置为 true 时，支持合成 _source。无论哪种方式，它都不能有 copy_to。
如果使用子 keyword 字段，则值的排序方式与 keyword 字段值的排序方式相同。默认情况下，这意味着排序并删除重复项。所以：
PUT idx
{
"settings": {
"index": {
"mapping": {
"source": {
"mode": "synthetic"
}
}
}
},
"mappings": {
"properties": {
"text": {
"type": "text",
"fields": {
"raw": {
"type": "keyword"
}
}
}
}
}
}
PUT idx/_doc/1
{
"text": [
"the quick brown fox",
"the quick brown fox",
"jumped over the lazy dog"
]
}
将变为：
{
"text": [
"jumped over the lazy dog",
"the quick brown fox"
]
}
重新排序 text 字段可能会影响短语和 span 查询。更多细节参阅关于 position_increment_gap 的讨论。你可以通过确保短语查询的 slop 参数低于 position_increment_gap 来避免这种情况。这是默认情况。
如果 text 字段将 store 设置为 true，则会保留顺序和重复项：
PUT idx
{
"settings": {
"index": {
"mapping": {
"source": {
"mode": "synthetic"
}
}
}
},
"mappings": {
"properties": {
"text": { "type": "text", "store": true }
}
}
}
PUT idx/_doc/1
{
"text": [
"the quick brown fox",
"the quick brown fox",
"jumped over the lazy dog"
]
}
将变为：
{
"text": [
"the quick brown fox",
"the quick brown fox",
"jumped over the lazy dog"
]
}
fielddata 映射参数
text 字段默认可搜索，但默认不可用于聚合、排序或脚本。如果你尝试对 text 字段进行排序、聚合或使用脚本访问其值，你会看到一个异常，提示 text 字段默认禁用了 fielddata。要在内存中加载字段数据，请在字段上设置 fielddata=true。
在内存中加载字段数据可能会消耗大量内存。
字段数据是在聚合、排序或脚本中访问全文搜索字段的分析后词元的唯一方法。例如，像 New York 这样的全文搜索字段会被分析为 new 和 york。对这些词元进行聚合就需要字段数据。
启用 fielddata 之前
在 text 字段上启用 fielddata 通常没有意义。字段数据与字段数据缓存一起存储在堆中，因为它的计算成本很高。计算字段数据可能导致延迟尖峰，增加堆使用量是集群性能问题的一个原因。
大多数想对 text 字段做更多操作的用户会使用多字段映射：同时拥有一个用于全文搜索的 text 字段和一个未分析、用于聚合的 keyword 字段，如下所示：
# 使用 my_field 字段进行搜索
# 使用 my_field.keyword 字段进行聚合、排序或在脚本中使用
PUT my-index-000001
{
"mappings": {
"properties": {
"my_field": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword"
}
}
}
}
}
}
在 text 字段上启用 fielddata
你可以使用更新映射 API 在现有的 text 字段上启用 fielddata，如下所示：
# 为 my_field 指定的映射应该由该字段的现有映射加上 fielddata 参数组成
PUT my-index-000001/_mapping
{
"properties": {
"my_field": {
"type": "text",
"fielddata": true
}
}
}
fielddata_frequency_filter 映射参数
字段数据过滤可用于减少加载到内存中的词元数量，从而减少内存使用。词元可以按频率过滤：
频率过滤器允许你只加载文档频率介于最小值和最大值之间的词元，这些值可以表示为绝对数字（当数字大于 1.0 时）或百分比（例如 0.01 是 1%，1.0 是 100%）。频率按分段（segment）计算。百分比基于具有该字段值的文档数量，而不是分段中的所有文档。
通过使用 min_segment_size 指定分段应包含的最小文档数，可以完全排除较小的分段：
PUT my-index-000001
{
"mappings": {
"properties": {
"tag": {
"type": "text",
"fielddata": true,
"fielddata_frequency_filter": {
"min": 0.001,
"max": 0.1,
"min_segment_size": 500
}
}
}
}
}
match_only_text 字段类型
text 的一种变体，以评分和位置查询的效率换取空间效率。此字段实际上以与仅索引文档（index_options: docs）并禁用 norms（norms: false）的 text 字段相同的方式存储数据。词条查询的执行速度与在 text 字段上一样快甚至更快，但需要位置的查询（例如 match_phrase 查询）执行速度较慢，因为它们需要查看 _source 文档来验证短语是否匹配。所有查询都返回等于 1.0 的恒定分数。
分析不可配置：文本始终使用默认分析器（默认为 standard）进行分析。
此字段不支持 span 查询，请改用 interval 查询，如果你绝对需要 span 查询，则使用 text 字段类型。
除此之外，match_only_text 支持与 text 相同的查询。与 text 一样，它不支持排序，并且对聚合只有有限的支持。
PUT logs
{
"mappings": {
"properties": {
"@timestamp": {
"type": "date"
},
"message": {
"type": "match_only_text"
}
}
}
}
match-only text 字段的参数
接受以下映射参数：
fields（可选，对象）多字段允许以多种方式为不同目的索引相同的字符串值，例如一个字段用于搜索，多字段用于排序和聚合，或者使用不同的分析器分析相同的字符串值。meta（可选，对象）关于该字段的元数据。