Elasticsearch Mapping 详解

1 概述

映射的基本概念

Mapping 也称之为映射，定义了 ES 的索引结构、字段类型、分词器等属性，是索引必不可少的组成部分。

ES 中的 mapping 有点类似与DB中“表结构”的概念，在 MySQL 中，表结构里包含了字段名称，字段的类型还有索引信息等。在 Mapping 里也包含了一些属性，比如字段名称、类型、字段使用的分词器、是否评分、是否创建索引等属性。

1.1 查看索引 mapping

查看完整 mapping

GET /index/_mappings

查看指定字段 mapping

GET /index/_mappings/field/<field_name>

课程DSL

DELETE /test_index

PUT /test_index

GET /test_index

GET /test_index/_mapping/field/namePUT test_index/_doc/1?op_type=index
{
"name":"赵四",
"age":18
}

2、字段数据类型

映射的数据类型也就是 ES 索引支持的数据类型，其概念和 MySQL 中的字段类型相似，但是具体的类型和 MySQL 中有所区别，最主要的区别就在于 ES 中支持可分词的数据类型，如：Text 类型，可分词类型是用以支持全文检索的，这也是 ES 生态最核心的功能。

2.1 数字类型

long：64位有符号整数，适用于存储大整数值，比如日期时间戳等。
integer：32位有符号整数，通常用于存储普通整数值，适用于一般的整数计数。
short：16位有符号整数，适用于需要节省存储空间的场景，比如对内存占用有要求的情况。
byte：8位有符号整数，适用于存储小整数值，对存储空间要求较高的场景。
double：64位双精度浮点数，适用于需要高精度的浮点数计算，比如科学计算等。
float：32位单精度浮点数，适用于需要较高性能和节省存储空间的场景。
half_float：16位半精度浮点数，适用于需要更高存储效率和较小存储空间的场景。
scaled_float：缩放类型浮点数，适用于需要按比例缩放的场景，可以提高存储效率。
unsigned_long：无符号64位整数，适用于需要存储非负整数值的场景，比如计数器等。

2.2 基本数据类型

binary：binary类型用于存储Base64编码的二进制数据。在某些情况下，可能需要存储一些二进制数据，比如图片、文件等，但Elasticsearch并不直接支持存储原始二进制数据。因此，可以将二进制数据转换为Base64编码的字符串，然后存储在binary类型中。
boolean：boolean类型用于存储布尔值，即true或false。在数据中有一些字段只需要表示是或否、真或假的情况时，可以使用boolean类型来存储这种信息。比如，表示某个状态是否开启、某个条件是否满足等情况。
alias：alias类型用于定义字段别名。在Elasticsearch中，可以为字段设置别名，这样可以在查询时使用别名代替字段名称，提高查询的灵活性和可读性。通过定义字段别名，可以简化查询语句，减少重复性代码，同时也可以保护字段名称的一致性。

2.3 Keywords 类型

keyword：keyword类型适用于索引结构化的字段，可以用于过滤、排序和聚合。该类型的字段只能通过精确值搜索到，不会进行分词或变换。适合存储一些不需要分词处理的字段，比如ID、姓名等。
constant_keyword：constant_keyword类型是一种常量关键字字段，始终包含相同的值。这种类型的字段通常用于表示固定不变的值或标识符，可以在查询中作为常量使用。
wildcard：wildcard类型是一种通配符查询类型，类似于grep命令的通配符匹配。使用通配符可以进行模糊匹配和搜索，支持使用*和?等通配符符号进行匹配。适合在需要进行模糊搜索或匹配的场景中使用。

2.4 Dates（时间类型）

date：JSON 没有日期数据类型，因此 Elasticsearch 中的日期可以是以下三种
- 包含格式化日期的字符串，例如 “2015-01-01”、 “2015/01/01 12:10:30”
- 时间戳，表示自"1970年 1 月 1 日"以来的毫秒数/秒数。
date_nanos：此数据类型是对 date 类型的补充。但是有一个重要区别。date 类型存储最高精度为毫秒，而date_nanos 类型存储日期最高精度是纳秒，但是高精度意味着可存储的日期范围小，即：从大约 1970 到 2262

2.5 对象类型

object类型：object类型用于表示一个JSON对象，即非基本数据类型之外的默认JSON对象。可以将多个字段组合成一个对象进行存储和检索，方便对复杂数据结构进行管理和查询。
flattened类型：flattened类型是一种单映射对象类型，其值为JSON对象。在索引时，flattened类型会将嵌套的JSON对象展平为一级字段，使得数据更加扁平化，便于查询和分析。
nested类型：nested类型是一种嵌套类型，用于存储嵌套结构的数据。当需要在一个文档中存储多个相关子文档时，可以使用nested类型。nested类型支持独立的查询和过滤，但在性能上会有一定的开销。
join类型：join类型用于表示父子级关系类型的数据结构。通过join类型可以在一个文档中定义父子关系，例如在一个文档中存储多个子文档。这种类型可以用于实现层次化数据结构的存储和查询。

2.6 空间数据类型

geo_point：geo_point类型用于表示纬度和经度点，即地理坐标点。这种类型适用于存储地理位置信息，比如城市的经纬度坐标。
geo_shape：geo_shape类型用于表示复杂的空间形状，例如多边形、线条等。这种类型适用于存储地理区域的边界信息，比如国家的边界、地图上的区域等。
point：point类型表示任意的笛卡尔点，即平面上的点。这种类型适用于存储二维空间中的点坐标。
shape：shape类型表示任意的笛卡尔几何，即平面上的几何形状。这种类型适用于存储二维空间中的复杂几何形状。

与Redis的GEO数据类型相比，Elasticsearch的空间数据类型在功能和用途上有一些区别：

Redis的GEO数据类型主要用于存储地理位置信息和进行地理位置相关的查询，比如查找附近的位置、计算距离等。而Elasticsearch的空间数据类型除了能够存储地理位置信息外，还可以存储和处理更复杂的空间几何数据，比如多边形、几何形状等。
Elasticsearch的空间数据类型适用于存储和检索更复杂的地理空间数据，可以进行更灵活和精确的空间查询和分析。而Redis的GEO数据类型主要用于简单的地理位置存储和查询，功能相对简单。

2.7 文档排名类型

dense_vector：记录浮点值的密集向量。（机器学习、自然语言处理和推荐系统等）
rank_feature：记录数字特征以提高查询时的命中率。（需要根据一些特征：页面排名、点击量、类别，对文档进行动态的评分的场景）
rank_features：记录数字特征以提高查询时的命中率。

2.8 文本搜索类型

text：文本类型（全文检索，会被分析，会被分词器进行分词：这种text默认是不可精准检索）。这是Elasticsearch中用于全文搜索的字段类型。当你需要对字段内容进行全文搜索（例如，使用match、match_phrase等查询）时，应该使用 text类型。

annotated-text：包含特殊文本标记。用于标识命名实体。
completion ★：用于自动补全，即搜索推荐：字段的内容会被特殊地索引，以支持前缀搜索，这使得它可以快速地为输入提供补全建议。
search_as_you_type： 类似文本的字段，经过优化为提供按类型完成的查询提供现成支持用例
token_count：文本中的标记计数（这个并不会存初始文本）。

3、两种映射类型

3.1 自动映射：Dynamic field mapping

field type	dynamic
true/false	boolean
小数	float
数字	long
object	object
数组	取决于数组中的第一个非空元素的类型
日期格式字符串	date
数字类型字符串	float/long
其他字符串	text + keyword

除了上述字段类型之外，其他类型都必须显示映射，也就是必须手工指定，因为其他类型ES无法自动识别。

课程演示DSL：

#Dynamic mapping
DELETE product_mapping
GET product_mapping/_mapping
PUT /product_mapping/_doc/1
{
  "name": "xiaomi phone",
  "desc": "shouji zhong de zhandouji",
  "count": 123456,
  "price": 123.123,
  "date": "2020-05-20",
  "isdel": false,
  "tags": [
    "xingjiabi",
    "fashao",
    "buka"
  ]
}

GET product_mapping/_search
{
  "query": {
    "match": {
      "name.keyword": "xiaomi phone"
    }
  }
}

3.2 显示映射 Expllcit field mapping

PUT /product
{
  "mappings": {
    "properties": {
      "field": {
        "mapping_parameter": "parameter_value",
		...
      },
	  ...
    }
  }
}

课程演示DSL：

#手工创建mapping（fields的mapping只能创建，无法修改）
#语法
delete /product
GET product/_mapping
PUT /product
{
   "mappings" : {
      "properties" : {
        "count" : {
          "type" : "long"
        },
        "date" : {
          "type" : "date"
        },
        "desc" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "isdel" : {
          "type" : "boolean"
        },
        "name" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "price" : {
          "type" : "float"
        },
        "tags" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        }
      }
    }
}


PUT /product/_doc/1{
  "name": "xiaomi phone",
  "desc": "shouji zhong de zhandouji",
  "count": 123456,
  "price": 123.123,
  "date": "2020-05-20",
  "isdel": false
}

4、Text 和 Keyword 类型

刚开始学习 Elasticsearch 的人经常会混淆Text 和Keyword数据类型。它们之间的区别很简单，但非常关键。

原理性的区别：

对于 Text类型，将文本存储到倒排索引之前，会使用分析器对其进行分析，而 Keyword类型则不会分析。

4.1 Text 类型

4.1.1 概述

当一个字段是要被全文搜索的，比如 Email 内容、产品描述，这些字段应该使用 text 类型。设置 text 类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合。

4.1.2 注意事项

适用于全文检索：如 match 查询
文本字段会被分词
默认情况下，会创建倒排索引
自动映射器会为 Text 类型创建 Keyword 字段

4.2 Keyword 类型

4.2.1 概述

Keyword 类型适用于不分词的字段，如姓名、Id、数字等。如果数字类型不用于范围查找，用 Keyword 的性能要高于数值类型。

4.2.2 语法和语义

如当使用 keyword 类型查询时，其字段值会被作为一个整体，并保留字段值的原始属性。

GET test_index/_search
{
  "query": {
    "match": {
      "title.keyword": "测试文本值"
    }
  }
}

4.2.3 注意事项

Keyword 不会对文本分词，会保留字段的原有属性，包括大小写等。
Keyword 仅仅是字段类型，而不会对搜索词产生任何影响
Keyword 一般用于需要精确查找的字段，或者聚合排序字段
Keyword 通常和 Term 搜索一起用（会在 DSL 中提到）
Keyword 字段的 ignore_above 参数代表其截断长度，默认 256，如果超出长度，字段值会被忽略，而不是截断。

演示DSL

### Text 和 Keyword 类型
delete /text-vs-keyword

#新建索引
PUT /text-vs-keyword
#设置索引mapping
PUT /text-vs-keyword/_mapping
{
    "properties": {
        "keyword_field": {
            "type": "keyword"
        },
        "text_field": {
            "type": "text"
        },
        "text_and_keyword_mapping": {
            "type": "text",
            "fields": {
                "keyword_type": {
                    "type": "keyword"
                }
            }
        }
    }
}

POST /text-vs-keyword/_doc/example
{
    "keyword_field": "The quick brown fox jumps over the lazy dog",
    "text_field": "The quick brown fox jumps over the lazy dog"
}



### 使用Term Query查询keyword字段
# 　term　只有当文本完全匹配才会返回结果
GET /text-vs-keyword/_search
{
  "query": {
    "term": {
      "keyword_field": {
        "value": "The quick brown fox jumps over the lazy dog"
      }
    }
  }
}
#  Term Query在查询时不会对输入的关键词进行分析。
GET /text-vs-keyword/_search
{
  "query": {
    "term": {
      "keyword_field": {
        "value": "The"
      }
    }
  }
}



### 使用Match Query查询keyword字段
#　Match Query在查询时会对输入的关键词进行分析
GET /text-vs-keyword/_search
{
  "query": {
    "match": {
      "keyword_field": "The quick brown fox jumps over the lazy dog"
    }
  }
}

### 使用Term Query查询text字段
# 倒排索引中，索引过程只存储分析后的分词
GET /text-vs-keyword/_search
{
  "query": {
    "term": {
      "text_field": {
        "value": "The quick brown fox jumps over the lazy dog"
      }
    }
  }
}
#　标准分析器中的小写字母过滤器会将分词转化为小写
GET /text-vs-keyword/_search
{
  "query": {
    "term": {
      "text_field": {
        "value": "The"
      }
    }
  }
}
GET /text-vs-keyword/_search
{
  "query": {
    "term": {
      "text_field": {
        "value": "the"
      }
    }
  }
}

### 使用Match Query查询text字段

GET /text-vs-keyword/_search
{
  "query": {
    "match": {
      "text_field": "The"
    }
  }
}

GET /text-vs-keyword/_search
{
  "query": {
    "match": {
      "text_field": "the LAZ dog tripped over th QUICK brown dog"
    }
  }
}

5、映射参数

index

index：是否对创建对当前字段创建倒排索引，默认 true，如果不创建索引，该字段不会通过索引被搜索到,但是仍然会在 source 元数据中展示

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

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

GET users/_search
{
  "query": {
    "term": {
      "age": 99
    }
  }
}

analyzer

analyzer：指定分析器（character filter、tokenizer、Token filters）。

ES提供的分词器——内置分词器

standard Analyzer—默认分词器，英文按单词切分，并小写处理、过滤符号，中文按单字分词。

simple Analyzer—英文按照单词切分、过滤符号、小写处理，中文按照空格分词。

stop Analyzer—中文英文一切按照空格切分，英文小写处理，停用词过滤(基本不会当搜索条件的无意义的词a、this、is等等)，会过滤其中的标点符号。

whitespace Analyzer—中文或英文一切按照空格切分，英文不会转小写。

keyword Analyzer—不进行分词，这一段话整体作为一个词。

##analyzer
delete blog
PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type":"text",
        "analyzer": "standard"
      }
    }
  }
}
PUT blog/_doc/1
{
  "title":"定义 默认 对索引 和 查询 都是 有效的"
}

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

boost

boost：对当前字段相关度的评分权重，默认1

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

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

coerce

是否允许强制类型转换 true “1”=> 1 false “1”=< 1

#coerce：是否允许强制类型转换
PUT coerce
{
  "mappings": {
    "properties": {
      "number_one": {
        "type": "integer"
      },
      "number_two": {
        "type": "integer",
        "coerce": false
      }
    }
  }
}
PUT coerce/_doc/1
{
  "number_one": "10" 
}
#//拒绝，因为设置了false
PUT coerce/_doc/2
{
  "number_two": "10" 
}

copy_to

copy_to：该参数允许将多个字段的值复制到组字段中，然后可以将其作为单个字段进行查询

#copy_to
delete copy_to
PUT copy_to
{
  "mappings": {
    "properties": {
      "field1": {
        "type": "text",
        "copy_to": "field_all" 
      },
      "field2": {
        "type": "text",
        "copy_to": "field_all" 
      },
      "field_all": {
        "type": "text"
      }
    }
  }
}

PUT copy_to/_doc/1
{
  "field1": "field1",
  "field2": "field2"
}
GET copy_to/_search

GET copy_to/_search
{
  "query": {
    "term": {
      "field_all": "field2"
    }
  }
}

doc_values 和 fielddata

doc_values：为了提升排序和聚合效率，默认true，如果确定不需要对字段进行排序或聚合，也不需要通过脚本访问字段值，则可以禁用doc值以节省磁盘空间（不支持text和annotated_text）

大部分的字段在索引时都会生成 doc_values，除了 text。text 字段在查询时会生成一个 fielddata 的数据结构，fieldata 在字段首次被聚合、排序的时候生成

dynamic

dynamic：控制是否可以动态添加新字段- true 新检测到的字段将添加到映射中。（默认）

false 新检测到的字段将被忽略。这些字段将不会被索引，因此将无法搜索，但仍会出现在_source返回的匹配项中。这些字段不会添加到映射中，必须显式添加新字段。

ignore_above

igbore_above 用于指定分词和索引的字符串最大长度，超过最大长度的话，该字段将不会被索引，这个字段只适用于 keyword 类型

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"
    }
  }
}

ignore_malformed

ignore_malformed 可以忽略不规则的数据，该参数默认为 false

#ignore_malformed
DELETE users
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"
}

GET users/_doc/2

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

index

index 属性指定一个字段是否被索引，该属性为 true 表示字段被索引，false 表示字段不被索引。

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

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

GET users/_search
{
  "query": {
    "term": {
      "age": 99
    }
  }
}

GET users/_doc/1

index_options

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

index_options	备注
docs	只存储文档编号，默认即此
freqs	在 docs 基础上，存储词项频率
positions	在 freqs 基础上，存储词项偏移位置
offsets	在 positions 基础上，存储词项开始和结束的字符位置

norms

norms 对字段评分有用，text 默认开启 norms，如果不是特别需要，不要开启 norms。

null_value

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（用另外一个字符替代）

#null_value
DELETE users
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"
    }
  }
}
GET users/_doc/1

position_increment_gap

被解析的 text 字段会将 term 的位置考虑进去，目的是为了支持近似查询和短语查询，当我们去索引一个含有多个值的 text 字段时，会在各个值之间添加一个假想的空间，将值隔开，这样就可以有效避免一些无意义的短语匹配，间隙大小通过 position_increment_gap 来控制，默认是 100。

#position_increment_gap
DELETE users

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

GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "san li"
      }
    }
  }
}
#sanli 搜索不到，因为两个短语之间有一个假想的空隙，为 100
GET users/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "san li",
        "slop": 100
      }
    }
  }
}

similarity

similarity 指定文档的评分模型

similarity	备注
BM25	es 和 lucene 默认的评分模型
classic	TF/IDF 评分
boolean	boolean 模型评分

fields

fields 参数可以让同一字段有多种不同的索引方式

#fields
DELETE blog

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"
    }
  }
}
GET blog/_doc/1

enable

enable：是否创建倒排索引，可以对字段操作，也可以对索引操作，如果不创建索引，让然可以检索并在_source元数据中展示，谨慎使用，该状态无法修改。

PUT my_index
{
  "mappings": {
      "enabled": false
  }
}

6、映射模板

6.1 简介

之前讲过的映射类型或者字段参数，都是为确定的某个字段而声明的，如果希望对符合某类要求的特定字段制定映射，就需要用到映射模板：Dynamic templates。

映射模板有时候也被称作：自动映射模板、动态模板等。

6.2 用法

6.2.1 基本语法

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

6.2.2 Conditions参数

match_mapping_type ：主要用于对数据类型的匹配
match 和 unmatch：用于对字段名称的匹配

6.2.3 案例

PUT test_dynamic_template
{
  "mappings": {
    "dynamic_templates": [
      {
        "integers": {
          "match_mapping_type": "long",
          "mapping": {
            "type": "integer"
          }
        }
      },
      {
        "longs_as_strings": {
          "match_mapping_type": "string",
          "match": "num_*",
          "unmatch": "*_text",
          "mapping": {
            "type": "keyword"
          }
        }
      }
    ]
  }
}

以上代码会产生以下效果：

所有 long 类型字段会默认映射为 integer
所有文本字段，如果是以 num_ 开头，并且不以 _text 结尾，会自动映射为 keyword 类型

post test_dynamic_template{
 "test1":1234,
 "num_text":"abc",
 "num_123":"abc",
 "123_text":"abc"
}

get test_dynamic_template/_mapping

7、 IK分词器设置

在 Elasticsearch 中设置 IK 分词器涉及几个步骤，包括安装 IK 分词器插件、配置分词器以及在索引映射中应用分词器。以下是一个详细的指南，帮助你在 Elasticsearch 中设置 IK 分词器。

安装 IK 分词器插件

1、下载 IK 分词器插件：

IK 分词器插件需要手动下载并解压到 Elasticsearch 的 plugins 目录下。可以从 GitHub 上获取最新版本的 IK 分词器插件。
下载地址： elasticsearch-analysis-ik

2、安装 IK 分词器插件：

将下载的 ZIP 文件解压缩到 Elasticsearch 的 plugins 目录下。
假设你下载的是 elasticsearch-analysis-ik-7.10.2.zip，解压后应该得到一个名为 elasticsearch-analysis-ik 的目录。
```
unzip elasticsearch-analysis-ik-7.10.2.zip -d plugins/
```
或者，如果你使用的是 Elasticsearch 的插件管理命令，可以直接安装：
```
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.10.2/elasticsearch-analysis-ik-7.10.2.zip
```

3、重启 Elasticsearch：

安装完插件后，需要重启 Elasticsearch 服务以使插件生效。

配置 IK 分词器

一旦安装了 IK 分词器插件，你可以在 Elasticsearch 的索引映射中配置分词器。IK 分词器提供了两种模式：

ik_max_word：最大词模式，会将文本切分成尽可能多的词汇。
ik_smart：智能模式，会将文本切分成合理的词汇组合。

创建索引并配置分词器

创建索引时配置 IK 分词器：

PUT your_index_name
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ik_analyzer": {
          "type": "custom",
          "tokenizer": "ik_max_word",  // 使用 IK 最大词模式
          "filter": ["lowercase"]  // 可选：将所有单词转换为小写
        }
	      }
	    }
	  },
	  "mappings": {
	    "properties": {
	      "content": {  // 你想要分词的字段
	        "type": "text",
	        "analyzer": "ik_analyzer",
	        "search_analyzer": "ik_analyzer"
	      }
	    }
	  }
	}

在这个示例中：

ik_max_word 是 IK 分词器的最大词模式，它会尽可能多地分词。
ik_analyzer 是自定义的分析器，使用了 ik_max_word 分词器。
content 字段的 analyzer 和 search_analyzer 都指定了使用 ik_analyzer。

测试分词效果

在设置了分词器之后，你可以测试分词效果，例如：

PUT your_index_name/doc/1
{
  "content": "这是一个测试文档，用来测试中文分词的效果。"
}

GET your_index_name/_analyze
{
  "analyzer": "ik_analyzer",
  "text": "这是一个测试文档，用来测试中文分词的效果。"
}

// 执行上述命令后，你将看到类似如下的输出：
{
  "tokens": [
    {
      "token": "这是",
      "start_offset": 0,
      "end_offset": 2,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "一个",
      "start_offset": 2,
      "end_offset": 4,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "测试",
      "start_offset": 4,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 3
    },
    {
      "token": "文档",
      "start_offset": 6,
      "end_offset": 8,
      "type": "<ALPHANUM>",
      "position": 4
    },
    {
      "token": "用来",
      "start_offset": 9,
      "end_offset": 11,
      "type": "<ALPHANUM>",
      "position": 5
    },
    {
      "token": "测试",
      "start_offset": 11,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 6
    },
    {
      "token": "中文",
      "start_offset": 13,
      "end_offset": 15,
      "type": "<ALPHANUM>",
      "position": 7
    },
    {
      "token": "分词",
      "start_offset": 15,
      "end_offset": 17,
      "type": "<ALPHANUM>",
      "position": 8
    },
    {
      "token": "效果",
      "start_offset": 17,
      "end_offset": 19,
      "type": "<ALPHANUM>",
      "position": 9
    }
  ]
}

查询示例

GET your_index_name/_search
{
  "query": {
    "match": {
      "content": "测试文档"
    }
  }
}
//这将返回包含词语“测试文档”的所有文档。

注意事项

选择合适的分词模式：
根据你的需求选择合适的分词模式。ik_max_word 适合需要尽可能多的分词结果的场景，而 ik_smart 更适合需要合理分词结果的场景
性能考虑：
分词器的选择和配置会影响索引和搜索的性能。选择合适的分词器并合理配置可以提高查询效率。
自定义字典
如果需要更精确的分词结果，可以自定义 IK 分词器的字典文件。具体方法可以参考 IK 分词器的文档。