Mapping设置

妖狐艹你老母 2022-01-31 11:25 250阅读 0赞

### [Mapping][] ###

类似于数据库中的表结构定义，主要作用如下：

*  定义Index下字段名（Field Name）
 *  定义字段的类型，比如数值型，字符串型、布尔型等
 *  定义倒排索引的相关配置，比如是否索引、记录postion等

需要注意的是，在索引中定义太多字段可能会导致索引膨胀，出现内存不足和难以恢复的情况，下面有几个设置：

*  index.mapping.total\_fields.limit：一个索引中能定义的字段的最大数量，默认是 1000
 *  index.mapping.depth.limit：字段的最大深度，以内部对象的数量来计算，默认是20
 *  index.mapping.nested\_fields.limit：索引中嵌套字段的最大数量，默认是50

### [数据类型][Link 1] ###

核心数据类型

*  字符串 - text
    
     *  用于全文索引，该类型的字段将通过分词器进行分词，最终用于构建索引
 *  字符串 - keyword
    
     *  不分词，只能搜索该字段的完整的值，只用于 filtering
 *  数值型
    
     *  long：有符号64-bit integer：-2^63 ~ 2^63 - 1
     *  integer：有符号32-bit integer，-2^31 ~ 2^31 - 1
     *  short：有符号16-bit integer，-32768 ~ 32767
     *  byte： 有符号8-bit integer，-128 ~ 127
     *  double：64-bit IEEE 754 浮点数
     *  float：32-bit IEEE 754 浮点数
     *  half\_float：16-bit IEEE 754 浮点数
     *  scaled\_float
 *  布尔 - boolean
    
     *  值：false, "false", true, "true"
 *  日期 - date
    
     *  由于Json没有date类型，所以es通过识别字符串是否符合format定义的格式来判断是否为date类型
     *  format默认为：`strict_date_optional_time||epoch_millis` [format][]
 *  二进制 - binary
    
     *  该类型的字段把值当做经过 base64 编码的字符串，默认不存储，且不可搜索
 *  范围类型
    
     *  范围类型表示值是一个范围，而不是一个具体的值
     *  譬如 age 的类型是 integer\_range，那么值可以是 \{"gte" : 10, "lte" : 20\}；搜索 "term" : \{"age": 15\} 可以搜索该值；搜索 "range": \{"age": \{"gte":11, "lte": 15\}\} 也可以搜索到
     *  range参数 relation 设置匹配模式
        
         *  INTERSECTS ：默认的匹配模式，只要搜索值与字段值有交集即可匹配到
         *  WITHIN：字段值需要完全包含在搜索值之内，也就是字段值是搜索值的子集才能匹配
         *  CONTAINS：与WITHIN相反，只搜索字段值包含搜索值的文档
     *  integer\_range
     *  float\_range
     *  long\_range
     *  double\_range
     *  date\_range：64-bit 无符号整数，时间戳（单位：毫秒）
     *  ip\_range：IPV4 或 IPV6 格式的字符串

# 创建range索引
    PUT range_index
    {
      "mappings": {
        "_doc": {
          "properties": {
            "expected_attendees": {
              "type": "integer_range"
            },
            "time_frame": {
              "type": "date_range", 
              "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
            }
          }
        }
      }
    }
    
    # 插入一个文档
    PUT range_index/_doc/1
    {
      "expected_attendees" : { 
        "gte" : 10,
        "lte" : 20
      },
      "time_frame" : { 
        "gte" : "2015-10-31 12:00:00", 
        "lte" : "2015-11-05"
      }
    }
    
    # 12在 10~20的范围内，可以搜索到文档1
    GET range_index/_search
    {
      "query" : {
        "term" : {
          "expected_attendees" : {
            "value": 12
          }
        }
      }
    }
    
    # within可以搜索到文档
    # 可以修改日期，然后分别对比CONTAINS，WITHIN，INTERSECTS的区别
    GET range_index/_search
    {
      "query" : {
        "range" : {
          "time_frame" : { 
            "gte" : "2015-11-02",
            "lte" : "2015-11-03",
            "relation" : "within" 
          }
        }
      }
    }

复杂数据类型

*  数组类型 Array
    
     *  字符串数组 \[ "one", "two" \]
     *  整数数组 \[ 1, 2 \]
     *  数组的数组 \[ 1, \[ 2, 3 \]\]，相当于 \[ 1, 2, 3 \]
     *  Object对象数组 \[ \{ "name": "Mary", "age": 12 \}, \{ "name": "John", "age": 10 \}\]
     *  同一个数组只能存同类型的数据，不能混存，譬如 \[ 10, "some string" \] 是错误的
     *  数组中的 null 值将被 null\_value 属性设置的值代替或者被忽略
     *  空数组 \[\] 被当做 missing field 处理
 *  对象类型 Object
    
     *  对象类型可能有内部对象
     *  被索引的形式为：manager.name.first

# tags字符串数组，lists 对象数组
    PUT my_index/_doc/1
    {
      "message": "some arrays in this document...",
      "tags":  [ "elasticsearch", "wow" ], 
      "lists": [ 
        {
          "name": "prog_list",
          "description": "programming list"
        },
        {
          "name": "cool_list",
          "description": "cool stuff list"
        }
      ]
    }

*  嵌套类型 Nested
    
     *  nested 类型是一种对象类型的特殊版本，它允许索引对象数组，**独立地索引每个对象**

嵌套类型与Object类型的区别

通过例子来说明:

1.  插入一个文档，不设置mapping，此时 user 字段被自动识别为**对象数组**

DELETE my_index
    
    PUT my_index/_doc/1
    {
      "group" : "fans",
      "user" : [ 
        {
          "first" : "John",
          "last" :  "Smith"
        },
        {
          "first" : "Alice",
          "last" :  "White"
        }
      ]
    }

1.  查询 user.first为 Alice，user.last 为 Smith的文档，理想中应该找不到匹配的文档
2.  结果是查到了文档1，为什么呢？

GET my_index/_search
    {
      "query": {
        "bool": {
          "must": [
            { "match": { "user.first": "Alice" }},
            { "match": { "user.last":  "Smith" }}
          ]
        }
      }
    }

1.  是由于Object对象类型在内部被转化成如下格式的文档：

{
      "group" :        "fans",
      "user.first" : [ "alice", "john" ],
      "user.last" :  [ "smith", "white" ]
    }

1.  user.first 和 user.last 扁平化为多值字段，alice 和 white 的**关联关系丢失了**。导致这个文档错误地匹配对 alice 和 smith 的查询
2.  如果最开始就把user设置为 nested 嵌套对象呢？

DELETE my_index
    PUT my_index
    {
      "mappings": {
        "_doc": {
          "properties": {
            "user": {
              "type": "nested" 
            }
          }
        }
      }
    }
    
    PUT my_index/_doc/1
    {
      "group": "fans",
      "user": [
        {
          "first": "John",
          "last": "Smith"
        },
        {
          "first": "Alice",
          "last": "White"
        }
      ]
    }

1.  再来进行查询，可以发现以下第一个查不到文档，第二个查询到文档1，符合我们预期

GET my_index/_search
    {
      "query": {
        "nested": {
          "path": "user",
          "query": {
            "bool": {
              "must": [
                { "match": { "user.first": "Alice" }},
                { "match": { "user.last":  "Smith" }} 
              ]
            }
          }
        }
      }
    }
    
    GET my_index/_search
    {
      "query": {
        "nested": {
          "path": "user",
          "query": {
            "bool": {
              "must": [
                { "match": { "user.first": "Alice" }},
                { "match": { "user.last":  "White" }} 
              ]
            }
          },
          "inner_hits": { 
            "highlight": {
              "fields": {
                "user.first": {}
              }
            }
          }
        }
      }
    }

1.  nested对象将数组中每个对象作为独立隐藏文档来索引，这意味着每个嵌套对象都可以独立被搜索
2.  需要注意的是：

*  使用 [nested 查询][nested]来搜索
 *  使用 nested 和 [reverse\_nested][reverse_nested] 聚合来分析
 *  使用 [nested sorting][] 来排序
 *  使用 [nested inner hits][] 来检索和高亮

地理位置数据类型

*  geo\_point
    
     *  地理位置，其值可以有如下四中表现形式：
        
         *  object对象："location": \{"lat": 41.12, "lon": -71.34\}
         *  字符串："location": "41.12,-71.34"
         *  [geohash][]："location": "drm3btev3e86"
         *  数组："location": \[ -71.34, 41.12 \]
     *  查询的时候通过 [Geo Bounding Box Query ][Geo Bounding Box Query] 进行查询
 *  geo\_shape

专用数据类型

*  记录IP地址 ip
 *  实现自动补全 completion
 *  记录分词数 token\_count
 *  记录字符串hash值 murmur3
 *  Percolator

# ip类型，存储IP
    PUT my_index
    {
      "mappings": {
        "_doc": {
          "properties": {
            "ip_addr": {
              "type": "ip"
            }
          }
        }
      }
    }
    
    PUT my_index/_doc/1
    {
      "ip_addr": "192.168.1.1"
    }
    
    GET my_index/_search
    {
      "query": {
        "term": {
          "ip_addr": "192.168.0.0/16"
        }
      }
    }

多字段特性 multi-fields

*  允许对同一个字段采用不同的配置，比如分词，常见例子如对人名实现拼音搜索，只需要在人名中新增一个**子字段**为 pinyin 即可
 *  通过参数 fields 设置

设置Mapping

![Image 1][]

image

GET my_index/_mapping
    
    # 结果
    {
      "my_index": {
        "mappings": {
          "doc": {
            "properties": {
              "age": {
                "type": "integer"
              },
              "created": {
                "type": "date"
              },
              "name": {
                "type": "text"
              },
              "title": {
                "type": "text"
              }
            }
          }
        }
      }
    }

### [Mapping参数][Mapping 1] ###

[analyzer][]

*  分词器，默认为standard analyzer，当该字段被索引和搜索时对字段进行分词处理

[boost][]

*  字段权重，默认为1.0

[dynamic][]

*  Mapping中的字段类型一旦设定后，禁止直接修改，原因是：Lucene实现的倒排索引生成后不允许修改
 *  只能新建一个索引，然后reindex数据
 *  默认允许新增字段
 *  通过dynamic参数来控制字段的新增：
    
     *  true（默认）允许自动新增字段
     *  false 不允许自动新增字段，但是文档可以正常写入，但无法对新增字段进行查询等操作
     *  strict 文档不能写入，报错

PUT my_index
    {
      "mappings": {
        "_doc": {
          "dynamic": false, 
          "properties": {
            "user": { 
              "properties": {
                "name": {
                  "type": "text"
                },
                "social_networks": { 
                  "dynamic": true,
                  "properties": {}
                }
              }
            }
          }
        }
      }
    }

定义后my\_index这个索引下不能自动新增字段，但是在user.social\_networks下可以自动新增子字段

[copy\_to][copy_to]

*  将该字段复制到目标字段，实现类似\_all的作用
 *  不会出现在\_source中，只用来搜索

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

[index][]

*  控制当前字段是否索引，默认为true，即记录索引，false不记录，即不可搜索

[index\_options][index_options]

*  index\_options参数控制将哪些信息添加到倒排索引，以用于搜索和突出显示，可选的值有：docs，freqs，positions，offsets
 *  docs：只索引 doc id
 *  freqs：索引 doc id 和词频，平分时可能要用到词频
 *  positions：索引 doc id、词频、位置，做 proximity or phrase queries 时可能要用到位置信息
 *  offsets：索引doc id、词频、位置、开始偏移和结束偏移，高亮功能需要用到offsets

[fielddata][]

*  是否预加载 fielddata，默认为false
 *  Elasticsearch第一次查询时完整加载这个字段所有 Segment 中的倒排索引到内存中
 *  如果我们有一些 5 GB 的索引段，并希望加载 10 GB 的 fielddata 到内存中，这个过程可能会要数十秒
 *  将 fielddate 设置为 true ,将载入 fielddata 的代价转移到索引刷新的时候，而不是查询时，从而大大提高了搜索体验
 *  参考：[预加载 fielddata][fielddata 1]

eager\_global\_ordinals

*  是否预构建全局序号，默认false
 *  参考：[预构建全局序号（Eager global ordinals）][Eager global ordinals]

[doc\_values][doc_values]

*  参考：[Doc Values and Fielddata][]

fields

*  该参数的目的是为了实现 multi-fields
 *  一个字段，多种数据类型
 *  譬如：一个字段 city 的数据类型为 text ，用于全文索引，可以通过 fields 为该字段定义 keyword 类型，用于排序和聚合

# 设置 mapping
    PUT my_index
    {
      "mappings": {
        "_doc": {
          "properties": {
            "city": {
              "type": "text",
              "fields": {
                "raw": { 
                  "type":  "keyword"
                }
              }
            }
          }
        }
      }
    }
    
    # 插入两条数据
    PUT my_index/_doc/1
    {
      "city": "New York"
    }
    
    PUT my_index/_doc/2
    {
      "city": "York"
    }
    
    # 查询，city用于全文索引 match，city.raw用于排序和聚合
    GET my_index/_search
    {
      "query": {
        "match": {
          "city": "york" 
        }
      },
      "sort": {
        "city.raw": "asc" 
      },
      "aggs": {
        "Cities": {
          "terms": {
            "field": "city.raw" 
          }
        }
      }
    }

[format][]

*  由于JSON没有date类型，Elasticsearch预先通过format参数定义时间格式，将匹配的字符串识别为date类型，转换为时间戳（单位：毫秒）
 *  format默认为：`strict_date_optional_time||epoch_millis`
 *  Elasticsearch内建的时间格式:

<table> 
 <thead> 
  <tr> 
   <th>名称</th> 
   <th>格式</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>epoch_millis</td> 
   <td>时间戳（单位：毫秒）</td> 
  </tr> 
  <tr> 
   <td>epoch_second</td> 
   <td>时间戳（单位：秒）</td> 
  </tr> 
  <tr> 
   <td>date_optional_time</td> 
  </tr> 
  <tr> 
   <td>basic_date</td> 
   <td>yyyyMMdd</td> 
  </tr> 
  <tr> 
   <td>basic_date_time</td> 
   <td>yyyyMMdd'T'HHmmss.SSSZ</td> 
  </tr> 
  <tr> 
   <td>basic_date_time_no_millis</td> 
   <td>yyyyMMdd'T'HHmmssZ</td> 
  </tr> 
  <tr> 
   <td>basic_ordinal_date</td> 
   <td>yyyyDDD</td> 
  </tr> 
  <tr> 
   <td>basic_ordinal_date_time</td> 
   <td>yyyyDDD'T'HHmmss.SSSZ</td> 
  </tr> 
  <tr> 
   <td>basic_ordinal_date_time_no_millis</td> 
   <td>yyyyDDD'T'HHmmssZ</td> 
  </tr> 
  <tr> 
   <td>basic_time</td> 
   <td>HHmmss.SSSZ</td> 
  </tr> 
  <tr> 
   <td>basic_time_no_millis</td> 
   <td>HHmmssZ</td> 
  </tr> 
  <tr> 
   <td>basic_t_time</td> 
   <td>'T'HHmmss.SSSZ</td> 
  </tr> 
  <tr> 
   <td>basic_t_time_no_millis</td> 
   <td>'T'HHmmssZ</td> 
  </tr> 
 </tbody> 
</table>

*  上述名称加前缀 `strict_` 表示为严格格式
 *  更多的查看文档

properties

*  用于\_doc，object和nested类型的字段定义**子字段**

PUT my_index
    {
      "mappings": {
        "_doc": { 
          "properties": {
            "manager": { 
              "properties": {
                "age":  { "type": "integer" },
                "name": { "type": "text"  }
              }
            },
            "employees": { 
              "type": "nested",
              "properties": {
                "age":  { "type": "integer" },
                "name": { "type": "text"  }
              }
            }
          }
        }
      }
    }
    
    PUT my_index/_doc/1 
    {
      "region": "US",
      "manager": {
        "name": "Alice White",
        "age": 30
      },
      "employees": [
        {
          "name": "John Smith",
          "age": 34
        },
        {
          "name": "Peter Brown",
          "age": 26
        }
      ]
    }

normalizer

*  与 analyzer 类似，只不过 analyzer 用于 text 类型字段，分词产生多个 token，而 normalizer 用于 keyword 类型，只产生一个 token（整个字段的值作为一个token，而不是分词拆分为多个token）
 *  定义一个自定义 normalizer，使用大写uppercase过滤器

PUT test_index_4
    {
      "settings": {
        "analysis": {
          "normalizer": {
            "my_normalizer": {
              "type": "custom",
              "char_filter": [],
              "filter": ["uppercase", "asciifolding"]
            }
          }
        }
      },
      "mappings": {
        "_doc": {
          "properties": {
            "foo": {
              "type": "keyword",
              "normalizer": "my_normalizer"
            }
          }
        }
      }
    }
    
    # 插入数据
    POST test_index_4/_doc/1
    {
      "foo": "hello world"
    }
    
    POST test_index_4/_doc/2
    {
      "foo": "Hello World"
    }
    
    POST test_index_4/_doc/3
    {
      "foo": "hello elasticsearch"
    }
    
    # 搜索hello，结果为空，而不是3条！！ 
    GET test_index_4/_search
    {
      "query": {
        "match": {
          "foo": "hello"
        }
      }
    }
    
    # 搜索 hello world，结果2条，1 和 2
    GET test_index_4/_search
    {
      "query": {
        "match": {
          "foo": "hello world"
        }
      }
    }

其他字段

*  coerce
    
     *  强制类型转换，把json中的值转为ES中字段的数据类型，譬如：把字符串"5"转为integer的5
     *  coerce默认为 true
     *  如果coerce设置为 false，当json的值与es字段类型不匹配将会 rejected
     *  通过 "settings": \{ "index.mapping.coerce": false \} 设置索引的 coerce
 *  enabled
    
     *  是否索引，默认为 true
     *  可以在\_doc和字段两个粒度进行设置
 *  ignore\_above
    
     *  设置能被索引的字段的长度
     *  超过这个长度，该字段将不被索引，所以无法搜索，但聚合的terms可以看到
 *  null\_value
    
     *  该字段定义遇到null值时的处理策略，默认为Null，即空值，此时ES会忽略该值
     *  通过设定该值可以设定字段为 null 时的默认值
 *  ignore\_malformed
    
     *  当数据类型不匹配且 coerce 强制转换时,默认情况会抛出异常,并拒绝整个文档的插入
     *  若设置该参数为 true，则忽略该异常，并强制赋值，但是不会被索引，其他字段则照常
 *  norms
    
     *  norms 存储各种标准化因子，为后续查询计算文档对该查询的匹配分数提供依据
     *  norms 参数对**评分**很有用，但需要占用大量的磁盘空间
     *  如果不需要计算字段的评分，可以取消该字段 norms 的功能
 *  position\_increment\_gap
    
     *  与 proximity queries（近似查询）和 phrase queries（短语查询）有关
     *  默认值 100
 *  search\_analyzer
    
     *  搜索分词器，查询时使用
     *  默认与 analyzer 一样
 *  similarity
    
     *  设置相关度算法，ES5.x 和 ES6.x 默认的算法为 BM25
     *  另外也可选择 classic 和 boolean
 *  store
    
     *  store 的意思是：是否在 \_source 之外在独立存储一份，默认值为 false
     *  es在存储数据的时候把json对象存储到"\_source"字段里，"\_source"把所有字段保存为一份文档存储（读取需要1次IO），要取出某个字段则通过 source filtering 过滤
     *  当字段比较多或者内容比较多，并且不需要取出所有字段的时候，可以把特定字段的store设置为true单独存储（读取需要1次IO），同时在\_source设置exclude
     *  关于该字段的理解，参考： [es设置mapping store属性][es_mapping store]
 *  term\_vector
    
     *  与倒排索引相关

### [Dynamic Mapping][] ###

ES是依靠JSON文档的字段类型来实现自动识别字段类型，支持的类型如下：

<table> 
 <thead> 
  <tr> 
   <th>JSON 类型</th> 
   <th>ES 类型</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>null</td> 
   <td>忽略</td> 
  </tr> 
  <tr> 
   <td>boolean</td> 
   <td>boolean</td> 
  </tr> 
  <tr> 
   <td>浮点类型</td> 
   <td>float</td> 
  </tr> 
  <tr> 
   <td>整数</td> 
   <td>long</td> 
  </tr> 
  <tr> 
   <td>object</td> 
   <td>object</td> 
  </tr> 
  <tr> 
   <td>array</td> 
   <td>由第一个非 null 值的类型决定</td> 
  </tr> 
  <tr> 
   <td>string</td> 
   <td>匹配为日期则设为date类型（默认开启）；<br> 匹配为数字则设置为 float或long类型（默认关闭）；<br> 设为text类型，并附带keyword的子字段</td> 
  </tr> 
 </tbody> 
</table>

举栗子

POST my_index/doc
    {
      "username":"whirly",
      "age":22,
      "birthday":"1995-01-01"
    }
    GET my_index/_mapping
    
    # 结果
    {
      "my_index": {
        "mappings": {
          "doc": {
            "properties": {
              "age": {
                "type": "long"
              },
              "birthday": {
                "type": "date"
              },
              "username": {
                "type": "text",
                "fields": {
                  "keyword": {
                    "type": "keyword",
                    "ignore_above": 256
                  }
                }
              }
            }
          }
        }
      }
    }

日期的自动识别

*  dynamic\_date\_formats 参数为自动识别的日期格式，默认为 \[ "strict\_date\_optional\_time","yyyy/MM/dd HH:mm:ss Z||yyyy/MM/dd Z"\]
 *  date\_detection可以关闭日期自动识别机制

# 自定义日期识别格式
    PUT my_index
    {
      "mappings": {
        "_doc": {
          "dynamic_date_formats": ["MM/dd/yyyy"]
        }
      }
    }
    # 关闭日期自动识别机制
    PUT my_index
    {
      "mappings": {
        "_doc": {
          "date_detection": false
        }
      }
    }

数字的自动识别

*  字符串是数字时，默认不会自动识别为整形，因为字符串中出现数字完全是合理的
 *  numeric\_detection 参数可以开启字符串中数字的自动识别

### [Dynamic templates][] ###

允许根据ES自动识别的数据类型、字段名等来动态设定字段类型，可以实现如下效果：

*  所有字符串类型都设定为keyword类型，即不分词
 *  所有以message开头的字段都设定为text类型，即分词
 *  所有以long\_开头的字段都设定为long类型
 *  所有自动匹配为double类型的都设定为float类型，以节省空间

Dynamic templates API

"dynamic_templates": [
        {
          "my_template_name": { 
            ...  match conditions ... 
            "mapping": { ... } 
          }
        },
        ...
    ]

匹配规则一般有如下几个参数：

*  match\_mapping\_type 匹配ES自动识别的字段类型，如boolean，long，string等
 *  match, unmatch 匹配字段名
 *  match\_pattern 匹配正则表达式
 *  path\_match, path\_unmatch 匹配路径

# double类型的字段设定为float以节省空间
    PUT my_index
    {
      "mappings": {
        "_doc": {
          "dynamic_templates": [
            {
              "integers": {
                "match_mapping_type": "double",
                "mapping": {
                  "type": "float"
                }
              }
            }
          ]
        }
      }
    }

自定义Mapping的建议

1.  写入一条文档到ES的临时索引中，获取ES自动生成的Mapping
2.  修改步骤1得到的Mapping，自定义相关配置
3.  使用步骤2的Mapping创建实际所需索引

### [Index Template 索引模板][Index Template] ###

*  索引模板，主要用于在新建索引时自动应用预先设定的配置，简化索引创建的操作步骤
    
     *  可以设定索引的setting和mapping
     *  可以有多个模板，根据order设置，order大的覆盖小的配置
 *  索引模板API，endpoint为 \_template

# 创建索引模板，匹配 test-index-map 开头的索引
    PUT _template/template_1
    {
      "index_patterns": ["test-index-map*"],
      "order": 2,
      "settings": {
        "number_of_shards": 1
      },
      "mappings": {
        "doc": {
          "_source": {
            "enabled": false
          },
          "properties": {
            "name": {
              "type": "keyword"
            },
            "created_at": {
              "type": "date",
              "format": "YYYY/MM/dd HH:mm:ss"
            }
          }
        }
      }
    }
    
    # 插入一个文档
    POST test-index-map_1/doc
    {
      "name" : "小旋锋",
      "created_at": "2018/08/16 20:11:11"
    }
    
    # 获取该索引的信息，可以发现 settings 和 mappings 和索引模板里设置的一样
    GET test-index-map_1
    
    # 删除
    DELETE /_template/template_1
    
    # 查询
    GET /_template/template_1

[Mapping]: https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html
[Link 1]: https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html
[format]: https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-date-format.html
[nested]: https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-nested-query.html
[reverse_nested]: https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-reverse-nested-aggregation.html
[nested sorting]: https://www.elastic.co/guide/en/elasticsearch/reference/current/search-request-sort.html#nested-sorting
[nested inner hits]: https://www.elastic.co/guide/en/elasticsearch/reference/current/search-request-inner-hits.html#nested-inner-hits
[geohash]: http://geohash.gofreerange.com/
[Geo Bounding Box Query]: https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-geo-bounding-box-query.html
[Image 1]: 
[Mapping 1]: https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html
[analyzer]: https://www.elastic.co/guide/en/elasticsearch/reference/current/analyzer.html
[boost]: https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-boost.html
[dynamic]: https://www.elastic.co/guide/en/elasticsearch/reference/current/dynamic.html
[copy_to]: https://www.elastic.co/guide/en/elasticsearch/reference/current/copy-to.html
[index]: https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-index.html
[index_options]: https://www.elastic.co/guide/en/elasticsearch/reference/current/index-options.html
[fielddata]: https://www.elastic.co/guide/en/elasticsearch/reference/current/fielddata.html
[fielddata 1]: https://www.elastic.co/guide/cn/elasticsearch/guide/current/preload-fielddata.html
[Eager global ordinals]: https://www.elastic.co/guide/cn/elasticsearch/guide/current/preload-fielddata.html#global-ordinals
[doc_values]: https://www.elastic.co/guide/en/elasticsearch/reference/current/doc-values.html
[Doc Values and Fielddata]: https://www.elastic.co/guide/cn/elasticsearch/guide/current/docvalues-and-fielddata.html
[es_mapping store]: https://blog.csdn.net/helllochun/article/details/52136954
[Dynamic Mapping]: https://www.elastic.co/guide/en/elasticsearch/reference/current/dynamic-mapping.html
[Dynamic templates]: https://www.elastic.co/guide/en/elasticsearch/reference/current/dynamic-templates.html
[Index Template]: https://www.elastic.co/guide/en/elasticsearch/reference/6.3/indices-templates.html