Elasticsearch 从 0 到 1（二）：索引、Mapping 和分词器#

创建一个简单索引#

最简单的创建索引：

1
PUT /products

这样 ES 会创建一个名为 products 的索引。

但真实项目不建议只这样创建，因为 Mapping 会交给 ES 动态推断。

更推荐显式指定字段：

1
PUT /products
2
{
3
  "mappings": {
4
    "properties": {
5
      "productId": { "type": "long" },
6
      "title": { "type": "text" },
7
      "brand": { "type": "keyword" },
8
      "category": { "type": "keyword" },
9
      "price": { "type": "integer" },
10
      "sales": { "type": "integer" },
11
      "createdAt": { "type": "date" }
12
    }
13
  }
14
}

这就明确告诉 ES 每个字段该怎么处理。

Mapping 是什么#

Mapping 就是字段定义。

它决定：

• 字段是什么类型；
• 是否分词；
• 是否能搜索；
• 是否能排序；
• 是否能聚合；
• 用哪个分词器。

可以把 Mapping 类比成 MySQL 的表结构，但不要完全等同。

MySQL 建表关注的是数据约束和关系结构，ES Mapping 更关注搜索方式。

常见字段类型#

常用字段类型可以先记这些：

初学时最重要的是区分 text 和 keyword。

text 和 keyword 的区别#

text 会分词，适合全文搜索。

比如：

1
{
2
  "title": "无线蓝牙耳机"
3
}

如果 title 是 text，它会被分词，用户搜索“蓝牙”“耳机”都有机会搜到。

keyword 不分词，适合精确匹配、排序、聚合。

比如：

1
{
2
  "brand": "SoundGo"
3
}

品牌通常不需要拆成词，用户筛选品牌时要精确匹配。

一个常见设计：

1
{
2
  "title": {
3
    "type": "text",
4
    "fields": {
5
      "keyword": {
6
        "type": "keyword",
7
        "ignore_above": 256
8
      }
9
    }
10
  }
11
}

这样 title 本身可以全文搜索，title.keyword 可以用于精确匹配或排序。

什么是分词器#

分词器负责把文本拆成词。

比如：

1
无线蓝牙耳机

如果没有合适的中文分词器，拆分结果可能不符合搜索预期。

英文天然有空格，分词相对容易；中文没有天然空格，所以通常需要中文分词器。

常见中文分词方案包括：

• IK 分词器；
• smartcn；
• 自定义词典；
• 拼音分词器。

具体用哪个要看业务。商品搜索里经常需要自定义词典，比如品牌名、型号、行业词。

analyzer 和 search_analyzer#

字段可以指定两个分词器：

1
{
2
  "title": {
3
    "type": "text",
4
    "analyzer": "ik_max_word",
5
    "search_analyzer": "ik_smart"
6
  }
7
}

analyzer 是写入文档时用的分词器。
search_analyzer 是用户搜索时用的分词器。

常见策略是：

• 建索引时切得细一点，尽量多召回；
• 搜索时切得稳一点，减少噪音。

这不是绝对规则，但商品搜索里很常见。

商品索引 Mapping 示例#

一个商品搜索索引可以这样设计：

1
PUT /products
2
{
3
  "settings": {
4
    "number_of_shards": 3,
5
    "number_of_replicas": 1
6
  },
7
  "mappings": {
8
    "properties": {
9
      "productId": { "type": "long" },
10
      "title": {
11
        "type": "text",
12
        "analyzer": "ik_max_word",
13
        "search_analyzer": "ik_smart",
14
        "fields": {
15
          "keyword": { "type": "keyword", "ignore_above": 256 }
16
        }
17
      },
18
      "brand": { "type": "keyword" },
19
      "category": { "type": "keyword" },
20
      "price": { "type": "integer" },
21
      "sales": { "type": "integer" },
22
      "stock": { "type": "integer" },
23
      "status": { "type": "keyword" },
24
      "createdAt": { "type": "date" }
25
    }
26
  }
27
}

说明：

• title 用 text，支持全文搜索；
• brand、category、status 用 keyword，支持精确筛选；
• price、sales 用数值类型，支持范围查询和排序；
• createdAt 用 date，支持时间范围查询；
• title.keyword 可以用于精确匹配或排序。

写入一条商品文档#

1
PUT /products/_doc/1001
2
{
3
  "productId": 1001,
4
  "title": "无线蓝牙耳机",
5
  "brand": "SoundGo",
6
  "category": "数码耳机",
7
  "price": 199,
8
  "sales": 3000,
9
  "stock": 80,
10
  "status": "ON_SALE",
11
  "createdAt": "2026-07-02T10:00:00"
12
}

这里 _doc/1001 的 1001 是文档 ID。

如果 MySQL 里商品 ID 是 1001，ES 里也用同一个 ID，会方便后续更新和删除。

Mapping 能不能改#

Mapping 不是完全不能改，但有些字段类型一旦确定就不能随便改。

比如一个字段已经是 keyword，后面想改成 text，通常不能直接改。

更稳的方式是：

1. 创建新索引；
2. 使用新 Mapping；
3. 重新导入数据；
4. 通过别名切换读写。

所以 ES 建索引前要先设计好字段，不要完全依赖动态 Mapping。

常见 Mapping 坑#

几个常见坑：

• 商品标题建成 keyword，结果不能正常全文搜索；
• 品牌建成 text，聚合结果被分词拆乱；
• 价格建成字符串，范围查询和排序出问题；
• 时间字段格式不统一，写入失败；
• 让 ES 自动推断字段，后面发现类型不符合业务；
• 对象数组用了 object，但实际需要 nested。

前期 Mapping 设计多花一点时间，后面会少很多返工。

这一篇先记住什么#

• Mapping 决定字段怎么存、怎么搜；
• text 会分词，适合全文搜索；
• keyword 不分词，适合过滤、排序、聚合；
• 中文搜索通常需要合适的中文分词器；
• 商品搜索要提前设计好字段类型；
• Mapping 不要完全依赖自动推断；
• 字段类型设计错了，后面通常要重建索引。

下一篇开始写查询 DSL：

Elasticsearch 从 0 到 1（三）：DSL 查询入门

参考#

• Elastic Docs：Mapping
• Elastic Docs：Field data types