最近想整理下mapping的参数，感觉设计mapping时，那些还是挺重要的。
字段类型这次暂时不整理了，可以看。
下面的语句可以在没有创建Index的情况下执行，它执行完后，会自动创建Index。
当然也可以先创建Index，同时设置Index的Settings，然后再执行下面语句创建Mapping。
如果要后加新的字段，可以按如下格式
对于文档的mapping，一旦创建好，是不能直接修改字段的mapping的。
工作中一般有2种方法：
将数据导出备份，然后删除Index，重新创建mapping，再恢复导入数据
创建新的Index，并设置好新的mapping，用reindex把数据导入新的index
查看index的整个mapping
查看个别字段的mapping
analyzer定义文本字段的分词器，默认在文档的索引和查询时都会用到。
ES本身自带了很多分词器，但多为适合英语。如果要对中文分词，推荐安装ik分词器
例如下面，title字段用es自带的standard。content用ik分词的ik_smart。
用_analyze可以测试分词器对文本的处理。
boost 参数可以设置字段的权重。
其实从ES5.0就不建议在定义mapping的时候就设置boost，因为mapping设置后不方便修改。
建议在查询语句的时候加boost。
coerce：是否开启自动数据类型转换功能, 默认是true(开启)
例如:
字符串"10"自动转数字10
浮点数10.0自动转整型10
实验: 创建一个index
field_one默认coerce为true
field_two设置coerce为false
copy_to这个属性，可以将多个字段的值，复制到同一个字段中。但是这个复制后的字段在_source中不存在，想当一个虚拟的字段。
返回的_source里不存在full_name
可以根据copy_to的字段进行检索
在ES保持文档,构建倒排索引的同时doc_values就被生成了, doc_values数据太大时, 它存储在电脑磁盘上.
doc_values是列式存储结构, 它擅长做聚合和排序
对于非分词字段, doc_values默认值是true(开启的), 如果确定某字段不参与聚合和排序,可以把该字段的doc_values设为false
例如SessionID, 它是keyword类型, 对它聚合或排序毫无意义, 需要把doc_values设为false, 节约磁盘空间
分词字段不能用doc_values
创建index, session_id的doc_values为false
对session_id进行检索
测试对session_id排序
测试对session_id聚合
dynamic：是否允许根据文档动态添加mapping类型，默认true(允许)。
如果文档有个字段是object类型，这个object有哪些字段，一开始是不知道的，允许添加文档时，动态的生成它内部的字段。
添加一个mapping，其中social_networks字段是动态的。
插入一个文档
eager_global_ordinals：是否开启预加载全局序号，加快查询，默认false不开启。
此参数只支持text和keyword，keyword默认有eager_global_ordinals参数，而text需要设置fielddata属性。
因为Elasticsearch 是默认延迟加载fielddata到内存里的。当elasticsearch第一次遇到一个查询需要一个指定field的fielddata的时候，就会把索引的每个段中整个field加载到内存。
对于小段，这是个可以忽略不计的时间，但是如果你有一些非常大的fielddata到内存里，这个过程需要数十秒，习惯于秒内响应时间的用户会被网突如其来的迟钝所打击。
对于上面慢的问题新版有2个优化方法：
预加载FieldData
预加载Global Ordinals(全局序号)
这里说的eager_global_ordinals参数就是第二种方法。
enabled参数只用于object类型，默认值是true(开启)
为true时，ES会object里的所有字段进行索引操作, 这样就可以根据该字段检索文档
为false时，ES不去解析object里的字段，不会索引每个字段
当只需要返回该字段用于展示，而不需要索引某个字段时(例如session信息，我们很少用session作为查询条件)，可设置enabled=false
设置enabled=false的字段可以存任意类型的值, 包括JSON对象
插入多种格式的值
在enable=false的字段上检索文档, 是查询不到数据的
format是日期字段，设置日期格式的，多个格式用||隔开。
date的格式可以被指定的，如果没有特殊指定，默认格式是"strict_date_optional_time||epoch_millis"。
epoch_millis就是从开始纪元（1970-01-01 00:00:00 UTC）开始的毫秒数-长整型。
ignore_above是在keyword类型下设置一个长度，当字符的长度超过ignore_above的值，那么它不会被索引。
首先随意往ES插一条数据：
查看ES自动生成的mapping，name是text类型，其下还有子类型keyword，且"ignore_above" : 256
对于keyword类型， 可设置ignore_above限定字符长度。超过 ignore_above 的字符会被存储，但不会被倒排索引。比如ignore_above=4，”abc“，”abcd“，”abcde“都能存进ES，但是不能根据”abcde“检索到数据。
【1】创建一个keyword类型的字段，ignore_above=4
【2】向索引插入3条数据：
此时ES倒排索引是：
返回结果：
【4】根据”abcde“进行term精确查询,结果为空
通过上面结果能知道”abcde“已经存入ES，也可以搜索出来，但是不存在词项”abcde“，不能根据”abcde“作为词项进行检索。
对于已存在的keyword字段，其ignore_above子属性可以修改，但只对新数据有效。
ignore_malformed 可以忽略不规则的数据，该参数默认为 false。
index默认是true
当设置为false，表明该字段不能被被检索, 不构建倒排索引，如果查询会报错。但是可以被store。
如果对字段进行term、terms 查询，聚合(aggregations)操作，脚本(script)操作以及用来排序(sort), 需要设为true。
和上面enabled有区别, index不能用在object类型上, enabled只能用在object类型上
实验: 创建一个索引, 其中words字段index=false
查询文档, _source是有words的
在index=false的字段上检索文档
该查询会报错:
index_options 控制索引时哪些信息被存储到倒排索引中（用在 text 字段中），有四种取值
fields 参数可以让同一字段有多种不同的索引方式。
最常见的就text类型下面有个keywrod，这样可以用text下的keyword进行term 查询。
normalizer 参数用于解析前（索引或者查询）的标准化配置。
比如，在 es 中，对于一些我们不想切分的字符串，我们通常会将其设置为 keyword，搜索时候也是使用整个词进行搜索。如果在索引前没有做好数据清洗，导致大小写不一致，此时，我们就可以使用 normalizer 在索引之前以及查询之前进行文档的标准化。
不分词的字段,默认 false
Norms 存储各种用于在查询时计算查询条件的相关性得分的标准化因子。
虽然norms 在计算相关性得分时非常有用, 但是同样需要消耗大量内存。
norms 的配置应该在字段和 索引的设置上保持一致
在 es 中，值为 null 的字段不索引也不可以被搜索，null_value 可以让值为 null 的字段显式的可索引、可搜索。
但是在工作中，null_value基本不用，因为在公司的环境中，人员水平参差不齐，各个项目组要通知知晓和维护这个null_value太难了。所以要用null_value得非常慎重，最好不用，不要去挖坑给后人。
对于null_value 易造成的混乱，看下面代码体会吧。
之前第一个analyzer，它定义文本字段的分词器，默认在文档的索引和查询时都会用到。
而search_analyzer是在查询时，先对要查询的text类型的输入做分词，再去倒排索引搜索。
如果想要让 索引 和 查询 时使用不同的分词器，ElasticSearch也是能支持的，只需要在字段上加上search_analyzer参数
store默认false，如果设置为ture，那就会在_source的同级外面单独存下它原始值，就是不拆成词项的值。一般是_source中某个字段的值很大，但是要查询个别小的字段而查询_source是效率低的，如果把小的字段在_source外面也存一份，如果单独取它时，可以直接从store里取，而不用从_source中取。
term_vectors 是通过分词器产生的信息，包括：
一组 terms
每个 term 的位置
term 的首字符/尾字符与原始字符串原点的偏移量
设置term_vector
要查看term_vectors的信息，可以如下：