ElasticSearch 23 種映射參數(shù)詳解

@[toc]
ElasticSearch 系列教程我們前面已經(jīng)連著發(fā)了四篇了向拆，今天第五篇似芝，我們來聊一聊 Es 中的 23 種常見的映射參數(shù)蛹磺。

針對這 23 種常見的映射參數(shù)锹安，松哥專門錄制了一個(gè)視頻教程：

image

視頻鏈接: https://pan.baidu.com/s/1J23m6oSTeZJU6j6KaogZSg 提取碼: 6k2a

本文是松哥所錄視頻教程的一個(gè)筆記畅买，筆記簡明扼要并闲，完整內(nèi)容小伙伴們可以參考視頻。

1.ElasticSearch 映射參數(shù)

1.1 analyzer

定義文本字段的分詞器谷羞。默認(rèn)對索引和查詢都是有效的帝火。

假設(shè)不用分詞器，我們先來看一下索引的結(jié)果洒宝，創(chuàng)建一個(gè)索引并添加一個(gè)文檔：

PUT blog

PUT blog/_doc/1
{
  "title":"定義文本字段的分詞器购公。默認(rèn)對索引和查詢都是有效的。"
}

查看詞條向量（term vectors）

GET blog/_termvectors/1
{
  "fields": ["title"]
}

查看結(jié)果如下：

{
  "_index" : "blog",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "took" : 0,
  "term_vectors" : {
    "title" : {
      "field_statistics" : {
        "sum_doc_freq" : 22,
        "doc_count" : 1,
        "sum_ttf" : 23
      },
      "terms" : {
        "義" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 1,
              "start_offset" : 1,
              "end_offset" : 2
            }
          ]
        },
        "分" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 7,
              "start_offset" : 7,
              "end_offset" : 8
            }
          ]
        },
        "和" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 15,
              "start_offset" : 16,
              "end_offset" : 17
            }
          ]
        },
        "器" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 9,
              "start_offset" : 9,
              "end_offset" : 10
            }
          ]
        },
        "字" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 4,
              "start_offset" : 4,
              "end_offset" : 5
            }
          ]
        },
        "定" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 0,
              "start_offset" : 0,
              "end_offset" : 1
            }
          ]
        },
        "對" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 12,
              "start_offset" : 13,
              "end_offset" : 14
            }
          ]
        },
        "引" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 14,
              "start_offset" : 15,
              "end_offset" : 16
            }
          ]
        },
        "效" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 21,
              "start_offset" : 22,
              "end_offset" : 23
            }
          ]
        },
        "文" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 2,
              "start_offset" : 2,
              "end_offset" : 3
            }
          ]
        },
        "是" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 19,
              "start_offset" : 20,
              "end_offset" : 21
            }
          ]
        },
        "有" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 20,
              "start_offset" : 21,
              "end_offset" : 22
            }
          ]
        },
        "本" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 3,
              "start_offset" : 3,
              "end_offset" : 4
            }
          ]
        },
        "查" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 16,
              "start_offset" : 17,
              "end_offset" : 18
            }
          ]
        },
        "段" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 5,
              "start_offset" : 5,
              "end_offset" : 6
            }
          ]
        },
        "的" : {
          "term_freq" : 2,
          "tokens" : [
            {
              "position" : 6,
              "start_offset" : 6,
              "end_offset" : 7
            },
            {
              "position" : 22,
              "start_offset" : 23,
              "end_offset" : 24
            }
          ]
        },
        "索" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 13,
              "start_offset" : 14,
              "end_offset" : 15
            }
          ]
        },
        "認(rèn)" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 11,
              "start_offset" : 12,
              "end_offset" : 13
            }
          ]
        },
        "詞" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 8,
              "start_offset" : 8,
              "end_offset" : 9
            }
          ]
        },
        "詢" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 17,
              "start_offset" : 18,
              "end_offset" : 19
            }
          ]
        },
        "都" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 18,
              "start_offset" : 19,
              "end_offset" : 20
            }
          ]
        },
        "默" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 10,
              "start_offset" : 11,
              "end_offset" : 12
            }
          ]
        }
      }
    }
  }
}

可以看到雁歌，默認(rèn)情況下宏浩，中文就是一個(gè)字一個(gè)字的分，這種分詞方式?jīng)]有任何意義靠瞎。如果這樣分詞比庄，查詢就只能按照一個(gè)字一個(gè)字來查，像下面這樣：

GET blog/_search
{
  "query": {
    "term": {
      "title": "定"
    }
  }
}

無意義７ρ巍＜岩ぁ！

所以父能，我們要根據(jù)實(shí)際情況神凑，配置合適的分詞器。

給字段設(shè)定分詞器：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type":"text",
        "analyzer": "ik_smart"
      }
    }
  }
}

存儲(chǔ)文檔：

PUT blog/_doc/1
{
  "title":"定義文本字段的分詞器。默認(rèn)對索引和查詢都是有效的溉委。"
}

查看詞條向量：

GET blog/_termvectors/1
{
  "fields": ["title"]
}

查詢結(jié)果如下：

{
  "_index" : "blog",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "took" : 1,
  "term_vectors" : {
    "title" : {
      "field_statistics" : {
        "sum_doc_freq" : 12,
        "doc_count" : 1,
        "sum_ttf" : 13
      },
      "terms" : {
        "分詞器" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 4,
              "start_offset" : 7,
              "end_offset" : 10
            }
          ]
        },
        "和" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 8,
              "start_offset" : 16,
              "end_offset" : 17
            }
          ]
        },
        "字段" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 2,
              "start_offset" : 4,
              "end_offset" : 6
            }
          ]
        },
        "定義" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 0,
              "start_offset" : 0,
              "end_offset" : 2
            }
          ]
        },
        "對" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 6,
              "start_offset" : 13,
              "end_offset" : 14
            }
          ]
        },
        "文本" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 1,
              "start_offset" : 2,
              "end_offset" : 4
            }
          ]
        },
        "有效" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 11,
              "start_offset" : 21,
              "end_offset" : 23
            }
          ]
        },
        "查詢" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 9,
              "start_offset" : 17,
              "end_offset" : 19
            }
          ]
        },
        "的" : {
          "term_freq" : 2,
          "tokens" : [
            {
              "position" : 3,
              "start_offset" : 6,
              "end_offset" : 7
            },
            {
              "position" : 12,
              "start_offset" : 23,
              "end_offset" : 24
            }
          ]
        },
        "索引" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 7,
              "start_offset" : 14,
              "end_offset" : 16
            }
          ]
        },
        "都是" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 10,
              "start_offset" : 19,
              "end_offset" : 21
            }
          ]
        },
        "默認(rèn)" : {
          "term_freq" : 1,
          "tokens" : [
            {
              "position" : 5,
              "start_offset" : 11,
              "end_offset" : 13
            }
          ]
        }
      }
    }
  }
}

然后就可以通過詞去搜索了：

GET blog/_search
{
  "query": {
    "term": {
      "title": "索引"
    }
  }
}

1.2 search_analyzer

查詢時(shí)候的分詞器鹃唯。默認(rèn)情況下，如果沒有配置 search_analyzer瓣喊，則查詢時(shí)坡慌，首先查看有沒有 search_analyzer，有的話藻三，就用 search_analyzer 來進(jìn)行分詞洪橘，如果沒有，則看有沒有 analyzer棵帽，如果有熄求，則用 analyzer 來進(jìn)行分詞，否則使用 es 默認(rèn)的分詞器逗概。

1.3 normalizer

normalizer 參數(shù)用于解析前（索引或者查詢）的標(biāo)準(zhǔn)化配置抡四。

比如，在 es 中仗谆，對于一些我們不想切分的字符串，我們通常會(huì)將其設(shè)置為 keyword淑履，搜索時(shí)候也是使用整個(gè)詞進(jìn)行搜索隶垮。如果在索引前沒有做好數(shù)據(jù)清洗，導(dǎo)致大小寫不一致秘噪，例如 javaboy 和 JAVABOY狸吞，此時(shí)，我們就可以使用 normalizer 在索引之前以及查詢之前進(jìn)行文檔的標(biāo)準(zhǔn)化指煎。

先來一個(gè)反例蹋偏，創(chuàng)建一個(gè)名為 blog 的索引，設(shè)置 author 字段類型為 keyword：

PUT blog
{
  "mappings": {
    "properties": {
      "author":{
        "type": "keyword"
      }
    }
  }
}

添加兩個(gè)文檔：

PUT blog/_doc/1
{
  "author":"javaboy"
}

PUT blog/_doc/2
{
  "author":"JAVABOY"
}

然后進(jìn)行搜索：

GET blog/_search
{
  "query": {
    "term": {
      "author": "JAVABOY"
    }
  }
}

大寫關(guān)鍵字可以搜到大寫的文檔至壤，小寫關(guān)鍵字可以搜到小寫的文檔威始。

如果使用了 normalizer，可以在索引和查詢時(shí)像街，分別對文檔進(jìn)行預(yù)處理黎棠。

normalizer 定義方式如下：

PUT blog
{
  "settings": {
    "analysis": {
      "normalizer":{
        "my_normalizer":{
          "type":"custom",
          "filter":["lowercase"]
        }
      }
    }
  }, 
  "mappings": {
    "properties": {
      "author":{
        "type": "keyword",
        "normalizer":"my_normalizer"
      }
    }
  }
}

在 settings 中定義 normalizer，然后在 mappings 中引用镰绎。

測試方式和前面一致脓斩。此時(shí)查詢的時(shí)候，大寫關(guān)鍵字也可以查詢到小寫文檔畴栖，因?yàn)闊o論是索引還是查詢随静，都會(huì)將大寫轉(zhuǎn)為小寫。

1.4 boost

boost 參數(shù)可以設(shè)置字段的權(quán)重吗讶。

boost 有兩種使用思路燎猛，一種就是在定義 mappings 的時(shí)候使用恋捆，在指定字段類型時(shí)使用；另一種就是在查詢時(shí)使用扛门。

實(shí)際開發(fā)中建議使用后者鸠信，前者有問題：如果不重新索引文檔，權(quán)重?zé)o法修改论寨。

mapping 中使用 boost（不推薦）：

PUT blog
{
  "mappings": {
    "properties": {
      "content":{
        "type": "text",
        "boost": 2
      }
    }
  }
}

另一種方式就是在查詢的時(shí)候星立，指定 boost

GET blog/_search
{
  "query": {
    "match": {
      "content": {
        "query": "你好",
        "boost": 2
      }
    }
  }
}

1.5 coerce

coerce 用來清除臟數(shù)據(jù)，默認(rèn)為 true葬凳。

例如一個(gè)數(shù)字绰垂，在 JSON 中，用戶可能寫錯(cuò)了：

{"age":"99"}

或者 ：

{"age":"99.0"}

這些都不是正確的數(shù)字格式火焰。

通過 coerce 可以解決該問題劲装。

默認(rèn)情況下，以下操作沒問題昌简，就是 coerce 起作用：

PUT blog
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer"
      }
    }
  }
}

POST blog/_doc
{
  "age":"99.0"
}

如果需要修改 coerce 占业，方式如下：

PUT blog
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "coerce": false
      }
    }
  }
}

POST blog/_doc
{
  "age":99
}

當(dāng) coerce 修改為 false 之后，數(shù)字就只能是數(shù)字了纯赎，不可以是字符串谦疾，該字段傳入字符串會(huì)報(bào)錯(cuò)。

1.6 copy_to

這個(gè)屬性犬金，可以將多個(gè)字段的值念恍，復(fù)制到同一個(gè)字段中。

定義方式如下：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "copy_to": "full_content"
      },
      "content":{
        "type": "text",
        "copy_to": "full_content"
      },
      "full_content":{
        "type": "text"
      }
    }
  }
}

PUT blog/_doc/1
{
  "title":"你好江南一點(diǎn)雨",
  "content":"當(dāng) coerce 修改為 false 之后晚顷，數(shù)字就只能是數(shù)字了峰伙，不可以是字符串，該字段傳入字符串會(huì)報(bào)錯(cuò)该默。"
}

GET blog/_search
{
  "query": {
    "term": {
      "full_content": "當(dāng)"
    }
  }
}

1.7 doc_values 和 fielddata

es 中的搜索主要是用到倒排索引瞳氓，doc_values 參數(shù)是為了加快排序、聚合操作而生的权均。當(dāng)建立倒排索引的時(shí)候顿膨，會(huì)額外增加列式存儲(chǔ)映射。

doc_values 默認(rèn)是開啟的叽赊，如果確定某個(gè)字段不需要排序或者不需要聚合恋沃，那么可以關(guān)閉 doc_values。

大部分的字段在索引時(shí)都會(huì)生成 doc_values必指，除了 text囊咏。text 字段在查詢時(shí)會(huì)生成一個(gè) fielddata 的數(shù)據(jù)結(jié)構(gòu)，fieldata 在字段首次被聚合、排序的時(shí)候生成梅割。

doc_values fielddata
索引時(shí)創(chuàng)建 使用時(shí)動(dòng)態(tài)創(chuàng)建
磁盤 內(nèi)存
不占用內(nèi)存 不占用磁盤
索引速度稍微低一點(diǎn) 文檔很多時(shí)霜第，動(dòng)態(tài)創(chuàng)建慢，占內(nèi)存

doc_values 默認(rèn)開啟户辞，fielddata 默認(rèn)關(guān)閉泌类。

doc_values 演示：

PUT users

PUT users/_doc/1
{
  "age":100
}

PUT users/_doc/2
{
  "age":99
}

PUT users/_doc/3
{
  "age":98
}

PUT users/_doc/4
{
  "age":101
}

GET users/_search
{
  "query": {
    "match_all": {}
  },
  "sort":[
    {
      "age":{
        "order": "desc"
      }
    }
    ]
}

由于 doc_values 默認(rèn)時(shí)開啟的，所以可以直接使用該字段排序底燎，如果想關(guān)閉 doc_values 刃榨，如下：

PUT users
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "doc_values": false
      }
    }
  }
}

PUT users/_doc/1
{
  "age":100
}

PUT users/_doc/2
{
  "age":99
}

PUT users/_doc/3
{
  "age":98
}

PUT users/_doc/4
{
  "age":101
}

GET users/_search
{
  "query": {
    "match_all": {}
  },
  "sort":[
    {
      "age":{
        "order": "desc"
      }
    }
    ]
}

1.8 dynamic

1.9 enabled

es 默認(rèn)會(huì)索引所有的字段，但是有的字段可能只需要存儲(chǔ)双仍，不需要索引枢希。此時(shí)可以通過 enabled 字段來控制：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "enabled": false
      }
    }
  }
}

PUT blog/_doc/1
{
  "title":"javaboy"
}

GET blog/_search
{
  "query": {
    "term": {
      "title": "javaboy"
    }
  }
}

設(shè)置了 enabled 為 false 之后，就可以再通過該字段進(jìn)行搜索了朱沃。

1.10 format

日期格式苞轿。format 可以規(guī)范日期格式，而且一次可以定義多個(gè) format逗物。

PUT users
{
  "mappings": {
    "properties": {
      "birthday":{
        "type": "date",
        "format": "yyyy-MM-dd||yyyy-MM-dd HH:mm:ss"
      }
    }
  }
}

PUT users/_doc/1
{
  "birthday":"2020-11-11"
}

PUT users/_doc/2
{
  "birthday":"2020-11-11 11:11:11"
}
  • 多個(gè)日期格式之間搬卒，使用 || 符號連接，注意沒有空格翎卓。
  • 如果用戶沒有指定日期的 format秀睛，默認(rèn)的日期格式是 strict_date_optional_time||epoch_mills

另外，所有的日期格式莲祸，可以在 https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-date-format.html 網(wǎng)址查看。

1.11 ignore_above

igbore_above 用于指定分詞和索引的字符串最大長度椭迎，超過最大長度的話锐帜，該字段將不會(huì)被索引，這個(gè)字段只適用于 keyword 類型畜号。

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "keyword",
        "ignore_above": 10
      }
    }
  }
}

PUT blog/_doc/1
{
  "title":"javaboy"
}

PUT blog/_doc/2
{
  "title":"javaboyjavaboyjavaboy"
}

GET blog/_search
{
  "query": {
    "term": {
      "title": "javaboyjavaboyjavaboy"
    }
  }
}

1.12 ignore_malformed

ignore_malformed 可以忽略不規(guī)則的數(shù)據(jù)缴阎，該參數(shù)默認(rèn)為 false。

PUT users
{
  "mappings": {
    "properties": {
      "birthday":{
        "type": "date",
        "format": "yyyy-MM-dd||yyyy-MM-dd HH:mm:ss"
      },
      "age":{
        "type": "integer",
        "ignore_malformed": true
      }
    }
  }
}

PUT users/_doc/1
{
  "birthday":"2020-11-11",
  "age":99
}

PUT users/_doc/2
{
  "birthday":"2020-11-11 11:11:11",
  "age":"abc"
}


PUT users/_doc/2
{
  "birthday":"2020-11-11 11:11:11aaa",
  "age":"abc"
}

1.13 include_in_all

這個(gè)是針對 _all 字段的简软，但是在 es7 中蛮拔，該字段已經(jīng)被廢棄了。

1.14 index

index 屬性指定一個(gè)字段是否被索引痹升，該屬性為 true 表示字段被索引建炫，false 表示字段不被索引。

PUT users
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer",
        "index": false
      }
    }
  }
}

PUT users/_doc/1
{
  "age":99
}

GET users/_search
{
  "query": {
    "term": {
      "age": 99
    }
  }
}
  • 如果 index 為 false疼蛾，則不能通過對應(yīng)的字段搜索肛跌。

1.15 index_options

index_options 控制索引時(shí)哪些信息被存儲(chǔ)到倒排索引中（用在 text 字段中），有四種取值：

index_options 備注
docs 只存儲(chǔ)文檔編號，默認(rèn)即此
freqs 在 docs 基礎(chǔ)上衍慎，存儲(chǔ)詞項(xiàng)頻率
positions 在 freqs 基礎(chǔ)上转唉，存儲(chǔ)詞項(xiàng)偏移位置
offsets 在 positions 基礎(chǔ)上，存儲(chǔ)詞項(xiàng)開始和結(jié)束的字符位置

1.16 norms

norms 對字段評分有用稳捆，text 默認(rèn)開啟 norms赠法，如果不是特別需要肖爵，不要開啟 norms平斩。

1.17 null_value

在 es 中峭火，值為 null 的字段不索引也不可以被搜索掸冤，null_value 可以讓值為 null 的字段顯式的可索引驻呐、可搜索：

PUT users
{
  "mappings": {
    "properties": {
      "name":{
        "type": "keyword",
        "null_value": "javaboy_null"
      }
    }
  }
}

PUT users/_doc/1
{
  "name":null,
  "age":99
}

GET users/_search
{
  "query": {
    "term": {
      "name": "javaboy_null"
    }
  }
}

1.18 position_increment_gap

被解析的 text 字段會(huì)將 term 的位置考慮進(jìn)去璃弄，目的是為了支持近似查詢和短語查詢肝断，當(dāng)我們?nèi)ニ饕粋€(gè)含有多個(gè)值的 text 字段時(shí)迂尝，會(huì)在各個(gè)值之間添加一個(gè)假想的空間鞠评，將值隔開茂蚓，這樣就可以有效避免一些無意義的短語匹配，間隙大小通過 position_increment_gap 來控制剃幌，默認(rèn)是 100聋涨。

PUT users

PUT users/_doc/1
{
  "name":["zhang san","li si"]
}

GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "sanli"
      }
    }
  }
}
  • sanli 搜索不到，因?yàn)閮蓚€(gè)短語之間有一個(gè)假想的空隙负乡，為 100牍白。
GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "san li",
        "slop": 101
      }
    }
  }
}

可以通過 slop 指定空隙大小。

也可以在定義索引的時(shí)候抖棘，指定空隙：

PUT users
{
  "mappings": {
    "properties": {
      "name":{
        "type": "text",
        "position_increment_gap": 0
      }
    }
  }
}

PUT users/_doc/1
{
  "name":["zhang san","li si"]
}

GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "san li"
      }
    }
  }
}

1.19 properties

1.20 similarity

similarity 指定文檔的評分模型茂腥，默認(rèn)有三種：

similarity 備注
BM25 es 和 lucene 默認(rèn)的評分模型
classic TF/IDF 評分
boolean boolean 模型評分

1.21 store

默認(rèn)情況下，字段會(huì)被索引切省，也可以搜索最岗，但是不會(huì)存儲(chǔ)，雖然不會(huì)被存儲(chǔ)的朝捆，但是 _source 中有一個(gè)字段的備份般渡。如果想將字段存儲(chǔ)下來，可以通過配置 store 來實(shí)現(xiàn)芙盘。

1.22 term_vectors

term_vectors 是通過分詞器產(chǎn)生的信息驯用，包括：

  • 一組 terms
  • 每個(gè) term 的位置
  • term 的首字符/尾字符與原始字符串原點(diǎn)的偏移量

term_vectors 取值：

取值 備注
no 不存儲(chǔ)信息，默認(rèn)即此
yes term 被存儲(chǔ)
with_positions 在 yes 的基礎(chǔ)上增加位置信息
with_offset 在 yes 的基礎(chǔ)上增加偏移信息
with_positions_offsets term儒老、位置蝴乔、偏移量都存儲(chǔ)

1.23 fields

fields 參數(shù)可以讓同一字段有多種不同的索引方式。例如：

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "fields": {
          "raw":{
            "type":"keyword"
          }
        }
      }
    }
  }
}

PUT blog/_doc/1
{
  "title":"javaboy"
}

GET blog/_search
{
  "query": {
    "term": {
      "title.raw": "javaboy"
    }
  }
}

最后驮樊，松哥還搜集了 50+ 個(gè)項(xiàng)目需求文檔淘这，想做個(gè)項(xiàng)目練練手的小伙伴不妨看看哦～

image

image

image

需求文檔地址：https://github.com/lenve/javadoc

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 人面猴
    序言：七十年代末剥扣，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子铝穷，更是在濱河造成了極大的恐慌钠怯，老刑警劉巖，帶你破解...
    沈念sama閱讀 218,941評論 6贊 508
  • 死咒
    序言：濱河連續(xù)發(fā)生了三起死亡事件曙聂，死亡現(xiàn)場離奇詭異晦炊，居然都是意外死亡，警方通過查閱死者的電腦和手機(jī)宁脊，發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,397評論 3贊 395
  • 救了他兩次的神仙讓他今天三更去死
    文/潘曉璐 我一進(jìn)店門断国，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人榆苞，你說我怎么就攤上這事稳衬。” “怎么了坐漏？”我有些...
    開封第一講書人閱讀 165,345評論 0贊 356
  • 道士緝兇錄：失蹤的賣姜人
    文/不壞的土叔 我叫張陵薄疚，是天一觀的道長。 經(jīng)常有香客問我赊琳，道長街夭，這世上最難降的妖魔是什么？ 我笑而不...
    開封第一講書人閱讀 58,851評論 1贊 295
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任躏筏，我火速辦了婚禮板丽，結(jié)果婚禮上，老公的妹妹穿的比我還像新娘趁尼。我一直安慰自己埃碱，他們只是感情好，可當(dāng)我...
    茶點(diǎn)故事閱讀 67,868評論 6贊 392
  • 惡毒庶女頂嫁案：這布局不是一般人想出來的
    文/花漫 我一把揭開白布酥泞。 她就那樣靜靜地躺著乃正，像睡著了一般。 火紅的嫁衣襯著肌膚如雪婶博。 梳的紋絲不亂的頭發(fā)上，一...
    開封第一講書人閱讀 51,688評論 1贊 305
  • 城市分裂傳說
    那天荧飞，我揣著相機(jī)與錄音凡人，去河邊找鬼。 笑死叹阔，一個(gè)胖子當(dāng)著我的面吹牛挠轴，可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播耳幢，決...
    沈念sama閱讀 40,414評論 3贊 418
  • 雙鴛鴦連環(huán)套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開眼岸晦，長吁一口氣：“原來是場噩夢啊……” “哼欧啤！你這毒婦竟也來了？” 一聲冷哼從身側(cè)響起启上，我...
    開封第一講書人閱讀 39,319評論 0贊 276
  • 萬榮殺人案實(shí)錄
    序言：老撾萬榮一對情侶失蹤邢隧，失蹤者是張志新（化名）和其女友劉穎，沒想到半個(gè)月后冈在，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體倒慧，經(jīng)...
    沈念sama閱讀 45,775評論 1贊 315
  • ?護(hù)林員之死
    正文 獨(dú)居荒郊野嶺守林人離奇死亡，尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,945評論 3贊 336
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年包券，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了纫谅。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,096評論 1贊 350
  • 活死人
    序言：一個(gè)原本活蹦亂跳的男人離奇死亡溅固，死狀恐怖付秕，靈堂內(nèi)的尸體忽然破棺而出，到底是詐尸還是另有隱情侍郭，我是刑警寧澤询吴，帶...
    沈念sama閱讀 35,789評論 5贊 346
  • ?日本核電站爆炸內(nèi)幕
    正文 年R本政府宣布，位于F島的核電站励幼，受9級特大地震影響汰寓，放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜苹粟，卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,437評論 3贊 331
  • 男人毒藥：我在死后第九天來索命
    文/蒙蒙 一有滑、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧嵌削，春花似錦毛好、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,993評論 0贊 22
  • 一樁弒父案肌访，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至艇劫，卻和暖如春吼驶，著一層夾襖步出監(jiān)牢的瞬間，已是汗流浹背店煞。 一陣腳步聲響...
    開封第一講書人閱讀 33,107評論 1贊 271
  • 情欲美人皮
    我被黑心中介騙來泰國打工蟹演， 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留，地道東北人顷蟀。 一個(gè)月前我還...
    沈念sama閱讀 48,308評論 3贊 372
  • 代替公主和親
    正文 我出身青樓酒请，卻偏偏與公主長得像，于是被迫代替她去往敵國和親鸣个。 傳聞我的和親對象是個(gè)殘疾皇子羞反，可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,037評論 2贊 355

推薦閱讀更多精彩內(nèi)容