后端程序员Aska Elasticsearch支持以下数据类型
- 1.Text: 用于存储全文文本数据，如文章或书籍内容。支持全文搜索和分析。
- 2.Keyword: 用于存储文本值，通常用于索引结构化内容，如邮件地址、标签或任何需要精确匹配的内容。
- 3.Date: 存储日期或日期和时间。
- 4.Long, Integer, Short, Byte, Double, Float: 这些是数值类型，用于存储各种形式的数字。
- 5.Boolean: 存储 true 或 false 值。
- 6.Binary: 用于存储二进制数据。
- 7.Object: 用于嵌套文档，即文档内部可以包含文档。
- 8.Nested: 类似于 Object 类型，但用于存储数组列表，其中列表中的每个元素都是完全独立且可搜索的。
我们经常会把MySQL 中的数据同步到 ES 中，他们之间的类型的映射关系如下：
mysql ES 映射关系如下
| MySQL 类型 | Elasticsearch 类型 | 说明 |
|---|---|---|
| VARCHAR | text, keyword | 根据是否需要全文搜索或精确搜索选择使用 text 或 keyword。 |
| CHAR | keyword | 通常映射为 keyword，因为它们用于存储较短的、不经常变化的字符序列。 |
| BLOB/TEXT | text | 大文本块使用 text 类型，支持全文检索。 |
| INT, BIGINT | long | 大多数整数类型映射为 long，以支持更大的数值。 |
| TINYINT | byte | 较小的整数可以映射为 byte 类型。 |
| DECIMAL, FLOAT, DOUBLE | double, float | 根据精确度需求选择 double 或 float。 |
| DATE, DATETIME, TIMESTAMP | date | 所有的日期时间类型均可映射为 date。 |
| TINYINT(1) | boolean |
text 和 keyword 有啥区别
text 类型被设计用于全文搜索。这意味着当文本被存储为 text 类型时，Elasticsearch 会对其进行分词，把文本分解成单独的词或短语，便于搜索引擎进行全文搜索。因为 text 字段经过分词，它不适合用于排序或聚合查询。
- text适用于存储需要进行全文搜索的内容，比如新闻文章、产品描述等
keyword 类型用于精确值匹配，不进行分词处理。这意味着存储在 keyword 字段的文本会被当作一个完整不可分割的单元进行处理。因为 keyword 类型字段是作为整体存储，它们非常适合用于聚合（如计数、求和、过滤唯一值等）和排序操作。由于不进行分词，keyword 类型字段不支持全文搜索，但可以进行精确匹配查询
- keyword适用于需要进行精确搜索的场景，比如标签、ID 编号、邮箱地址等
ES 不支持 decimal，如何避免丢失精度
通过上文我们知道，ES 不支持 decimal 类型的，只有 double、float 等类型，那么，MySQL 中的 decimal 类型，同步到 ES 之后，如何避免丢失精度呢？
price DECIMAL(10, 2)
如以上 price 字段，在 es 中如何表示呢？有以下几种方式：
使用字符串类型（推荐）
将 decimal 数据作为字符串类型存储在 Elasticsearch 中。这种方式可以保证数字的精度不会丢失，因为字符串会保留数字的原始表示形式。
- ●优点：完全保留数字的精度。简单易于实现，数据迁移时不需特别处理。
- ●缺点：作为字符串存储的数字不能直接用于数值比较或数学运算，需要在应用层处理转换。
{
"properties": {
"price": {
"type": "keyword"
}
}
}
扩大浮点类型的精度（推荐）
虽然 double 类型在理论上可能会有精度损失，但实际上 double 类型提供的精度对于许多业务需求已经足够使用。如果决定使用这种方法，可以在数据迁移或同步时适当扩大数值范围以尽量减小精度损失。
- ●优点：可以直接进行数值比较和数学运算。
- ●缺点：在非常高精度的需求下可能存在精度损失。
{
"properties": {
"amount": {
"type": "double"
}
}
}
使用scaled_float（推荐）
Elasticsearch 的 scaled_float 类型是一种数值数据类型，专门用于存储浮点数。其特点是通过一个缩放因子（scaling factor）将浮点数转换为整数来存储，从而在一定范围内提高存储和计算的效率。
他使用一个缩放因子将浮点数转换为整数存储。例如，如果缩放因子是 100，那么值 123.45 会存储为 12345。这样可以避免浮点数存储和计算中的精度问题。
{
"mappings": {
"properties": {
"price": {
"type": "scaled_float",
"scaling_factor": 100
}
}
}
}
使用多个字段
在某些情况下，可以将 decimal 数值拆分为两个字段存储：一个为整数部分，另一个为小数部分。这样做可以在不丢失精度的情况下，将数值分开处理。
- ●优点：保持数值精确，同时可进行部分数学运算。
- ●缺点：增加了数据处理的复杂性，需要在应用层重建数值。
{
"properties": {
"total_price_yuan": {
"type": "integer"
},
"total_price_cents": {
"type": "integer"
}
}
}
使用自定义脚本
在查询时，可以使用 Elasticsearch 的脚本功能（如 Painless 脚本）来处理数值计算，确保在处理过程中控制精度。
- ●优点：灵活控制数据处理逻辑。
- ●缺点：可能影响查询性能，增加系统复杂性。
![[爱了]](/js/img/d1.gif)
![[尴尬]](/js/img/d16.gif)