ElasticSearch 系列教程我们前面已经连着发了三篇了，今天第四篇，我们来聊一聊 Es 中的动态映射、静态映射以及四种不同的字段类型。

本文是松哥所录视频教程的一个笔记，笔记简明扼要，完整内容小伙伴们可以参考视频，视频下载链接：https://pan.baidu.com/s/1oKiV7FRkppZnMAmRGNNrGg 提取码: p3sx

1.ElasticSearch 映射

映射就是 Mapping，它用来定义一个文档以及文档所包含的字段该如何被存储和索引。所以，它其实有点类似于关系型数据库中表的定义。

1.1 映射分类

动态映射

顾名思义，就是自动创建出来的映射。es 根据存入的文档，自动分析出来文档中字段的类型以及存储方式，这种就是动态映射。

举一个简单例子，新建一个索引，然后查看索引信息：

在创建好的索引信息中，可以看到，mappings 为空，这个 mappings 中保存的就是映射信息。

现在我们向索引中添加一个文档，如下：

PUT blog/_doc/1
{
  "title":"1111",
  "date":"2020-11-11"
}

文档添加成功后，就会自动生成 Mappings：

可以看到，date 字段的类型为 date，title 的类型有两个，text 和 keyword。

默认情况下，文档中如果新增了字段，mappings 中也会自动新增进来。

有的时候，如果希望新增字段时，能够抛出异常来提醒开发者，这个可以通过 mappings 中 dynamic 属性来配置。

dynamic 属性有三种取值：

• true，默认即此。自动添加新字段。
• false，忽略新字段。
• strict，严格模式，发现新字段会抛出异常。

具体配置方式如下，创建索引时指定 mappings（这其实就是静态映射）：

PUT blog
{
  "mappings": {
    "dynamic":"strict",
    "properties": {
      "title":{
        "type": "text"
      },
      "age":{
        "type":"long"
      }
    }
  }
}

然后向 blog 中索引中添加数据：

PUT blog/_doc/2
{
  "title":"1111",
  "date":"2020-11-11",
  "age":99
}

在添加的文档中，多出了一个 date 字段，而该字段没有预定义，所以这个添加操作就回报错：

{
  "error" : {
    "root_cause" : [
      {
        "type" : "strict_dynamic_mapping_exception",
        "reason" : "mapping set to strict, dynamic introduction of [date] within [_doc] is not allowed"
      }
    ],
    "type" : "strict_dynamic_mapping_exception",
    "reason" : "mapping set to strict, dynamic introduction of [date] within [_doc] is not allowed"
  },
  "status" : 400
}

动态映射还有一个日期检测的问题。

例如新建一个索引，然后添加一个含有日期的文档，如下：

PUT blog/_doc/1
{
  "remark":"2020-11-11"
}

添加成功后，remark 字段会被推断是一个日期类型。

此时，remark 字段就无法存储其他类型了。

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

此时报错如下：

{
  "error" : {
    "root_cause" : [
      {
        "type" : "mapper_parsing_exception",
        "reason" : "failed to parse field [remark] of type [date] in document with id '1'. Preview of field's value: 'javaboy'"
      }
    ],
    "type" : "mapper_parsing_exception",
    "reason" : "failed to parse field [remark] of type [date] in document with id '1'. Preview of field's value: 'javaboy'",
    "caused_by" : {
      "type" : "illegal_argument_exception",
      "reason" : "failed to parse date field [javaboy] with format [strict_date_optional_time||epoch_millis]",
      "caused_by" : {
        "type" : "date_time_parse_exception",
        "reason" : "Failed to parse with all enclosed parsers"
      }
    }
  },
  "status" : 400
}

要解决这个问题，可以使用静态映射，即在索引定义时，将 remark 指定为 text 类型。也可以关闭日期检测。

PUT blog
{
  "mappings": {
    "date_detection": false
  }
}

此时日期类型就回当成文本来处理。

静态映射

略。

1.2 类型推断

es 中动态映射类型推断方式如下：

JSON 中的数据	自动推断出来的数据类型
null	没有字段被添加
true/false	boolean
浮点数字	float
数字	long
JSON 对象	object
数组	数组中的第一个非空值来决定
string	text/keyword/date/double/long 都有可能

2.ElasticSearch 字段类型

2.1 核心类型

2.1.1 字符串类型

• string：这是一个已经过期的字符串类型。在 es5 之前，用这个来描述字符串，现在的话，它已经被 text 和 keyword 替代了。
• text：如果一个字段是要被全文检索的，比如说博客内容、新闻内容、产品描述，那么可以使用 text。用了 text 之后，字段内容会被分析，在生成倒排索引之前，字符串会被分词器分成一个个词项。text 类型的字段不用于排序，很少用于聚合。这种字符串也被称为 analyzed 字段。
• keyword：这种类型适用于结构化的字段，例如标签、email 地址、手机号码等等，这种类型的字段可以用作过滤、排序、聚合等。这种字符串也称之为 not-analyzed 字段。

2.1.2 数字类型

类型	取值范围
long	-263到263-1
integer	-231到231-1
short	-215到215-1
byte	-27到27-1
double	64 位的双精度 IEEE754 浮点类型
float	32 位的双精度 IEEE754 浮点类型
half_float	16 位的双精度 IEEE754 浮点类型
scaled_float	缩放类型的浮点类型

• 在满足需求的情况下，优先使用范围小的字段。字段长度越短，索引和搜索的效率越高。
• 浮点数，优先考虑使用 scaled_float。

scaled_float 举例：

PUT product
{
  "mappings": {
    "properties": {
      "name":{
        "type": "text"
      },
      "price":{
        "type": "scaled_float",
        "scaling_factor": 100
      }
    }
  }
}

2.1.3 日期类型

由于 JSON 中没有日期类型，所以 es 中的日期类型形式就比较多样：

• 2020-11-11 或者 2020-11-11 11:11:11
• 一个从 1970.1.1 零点到现在的一个秒数或者毫秒数。

es 内部将时间转为 UTC，然后将时间按照 millseconds-since-the-epoch 的长整型来存储。

自定义日期类型：

PUT product
{
  "mappings": {
    "properties": {
      "date":{
        "type": "date"
      }
    }
  }
}

这个能够解析出来的时间格式比较多。

PUT product/_doc/1
{
  "date":"2020-11-11"
}

PUT product/_doc/2
{
  "date":"2020-11-11T11:11:11Z"
}


PUT product/_doc/3
{
  "date":"1604672099958"
}

上面三个文档中的日期都可以被解析，内部存储的是毫秒计时的长整型数。

2.1.4 布尔类型（boolean）

JSON 中的 “true”、“false”、true、false 都可以。

2.1.5 二进制类型（binary）

二进制接受的是 base64 编码的字符串，默认不存储，也不可搜索。

2.1.6 范围类型

• integer_range
• float_range
• long_range
• double_range
• date_range
• ip_range

定义的时候，指定范围类型即可：

PUT product
{
  "mappings": {
    "properties": {
      "date":{
        "type": "date"
      },
      "price":{
        "type":"float_range"
      }
    }
  }
}

插入文档的时候，需要指定范围的界限：

PUT product
{
  "mappings": {
    "properties": {
      "date":{
        "type": "date"
      },
      "price":{
        "type":"float_range"
      }
    }
  }
}

指定范围的时，可以使用 gt、gte、lt、lte。

2.2 复合类型

2.2.1 数组类型

es 中没有专门的数组类型。默认情况下，任何字段都可以有一个或者多个值。需要注意的是，数组中的元素必须是同一种类型。

添加数组是，数组中的第一个元素决定了整个数组的类型。

2.2.2 对象类型（object）

由于 JSON 本身具有层级关系，所以文档包含内部对象。内部对象中，还可以再包含内部对象。

PUT product/_doc/2
{
  "date":"2020-11-11T11:11:11Z",
  "ext_info":{
    "address":"China"
  }
}

2.2.3 嵌套类型（nested）

nested 是 object 中的一个特例。

如果使用 object 类型，假如有如下一个文档：

{
  "user":[
    {
      "first":"Zhang",
      "last":"san"
    },
    {
      "first":"Li",
      "last":"si"
    }
    ]
}

由于 Lucene 没有内部对象的概念，所以 es 会将对象层次扁平化，将一个对象转为字段名和值构成的简单列表。即上面的文档，最终存储形式如下：

{
"user.first":["Zhang","Li"],
"user.last":["san","si"]
}

扁平化之后，用户名之间的关系没了。这样会导致如果搜索 Zhang si 这个人，会搜索到。

此时可以 nested 类型来解决问题，nested 对象类型可以保持数组中每个对象的独立性。nested 类型将数组中的每一饿对象作为独立隐藏文档来索引，这样每一个嵌套对象都可以独立被索引。

{
{
"user.first":"Zhang",
"user.last":"san"
},{
"user.first":"Li",
"user.last":"si"
}
}

优点

文档存储在一起，读取性能高。

缺点

更新父或者子文档时需要更新更个文档。

2.3 地理类型

使用场景：

• 查找某一个范围内的地理位置
• 通过地理位置或者相对中心点的距离来聚合文档
• 把距离整个到文档的评分中
• 通过距离对文档进行排序

2.3.1 geo_point

geo_point 就是一个坐标点，定义方式如下：

PUT people
{
  "mappings": {
    "properties": {
      "location":{
        "type": "geo_point"
      }
    }
  }
}

创建时指定字段类型，存储的时候，有四种方式：

PUT people/_doc/1
{
  "location":{
    "lat": 34.27,
    "lon": 108.94
  }
}

PUT people/_doc/2
{
  "location":"34.27,108.94"
}

PUT people/_doc/3
{
  "location":"uzbrgzfxuzup"
}

PUT people/_doc/4
{
  "location":[108.94,34.27]
}

注意，使用数组描述，先经度后纬度。

地址位置转 geo_hash：http://www.csxgame.top/#/

2.3.2 geo_shape

GeoJSON	ElasticSearch	备注
Point	point	一个由经纬度描述的点
LineString	linestring	一个任意的线条，由两个以上的点组成
Polygon	polygon	一个封闭多边形
MultiPoint	multipoint	一组不连续的点
MultiLineString	multilinestring	多条不关联的线
MultiPolygon	multipolygon	多个多边形
GeometryCollection	geometrycollection	几何对象的集合
	circle	一个圆形
	envelope	通过左上角和右下角两个点确定的矩形

指定 geo_shape 类型：

PUT people
{
  "mappings": {
    "properties": {
      "location":{
        "type": "geo_shape"
      }
    }
  }
}

添加文档时需要指定具体的类型：

PUT people/_doc/1
{
  "location":{
    "type":"point",
    "coordinates": [108.94,34.27]
  }
}

如果是 linestring，如下：

PUT people/_doc/2
{
  "location":{
    "type":"linestring",
    "coordinates": [[108.94,34.27],[100,33]]
  }
}

2.4 特殊类型

2.4.1 IP

存储 IP 地址，类型是 ip：

PUT blog
{
  "mappings": {
    "properties": {
      "address":{
        "type": "ip"
      }
    }
  }
}

添加文档：

PUT blog/_doc/1
{
  "address":"192.168.91.1"
}

搜索文档：

GET blog/_search
{
  "query": {
    "term": {
      "address": "192.168.0.0/16"
    }
  }
}

2.4.2 token_count

用于统计字符串分词后的词项个数。

PUT blog
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "fields": {
          "length":{
            "type":"token_count",
            "analyzer":"standard"
          }
        }
      }
    }
  }
}

相当于新增了 title.length 字段用来统计分词后词项的个数。

添加文档：

PUT blog/_doc/1
{
  "title":"zhang san"
}

可以通过 token_count 去查询：

GET blog/_search
{
  "query": {
    "term": {
      "title.length": 2
    }
  }
}

最后，松哥还搜集了 50+ 个项目需求文档，想做个项目练练手的小伙伴不妨看看哦～

需求文档地址：https://github.com/lenve/javadoc

Elasticsearch（二）——Es 数据存储细节（动态映射、静态映射、类型推断）、核心类型、二十三种映射参数、官方文档地址

一、Es 数据存储细节

虽然 Es 是 NoSQL ，但是底层也是有数据类型的。

1、动态映射

底层会自动的根据存入的数据判断数据类型，这种自动分析就叫动态映射。

我们可以先创建一个索引，在创建好的索引信息中，可以看到，mappings 为空，这个 mappings 中保存的就是映射信息。

接着存入下面这么个数据：

然后查看索引信息：

然后查看 mappings，mappings 里面就是定义数据的详细信息：

再往里面细看，可以发现有个 “keywork”，里面还有 type：keyword。text 和 keyword 都是存字符串，但是 keyword 存的是像 邮箱地址和电话号码 这种不需要分词的，是什么就直接是什么，一整个去存。

所以：
text：字符串，存储需要分词的。
keyword：字符串，存储不需要分词的。

当然，同一个字段可以有多种类型去存。

动态映射还有一个日期检测的问题。可以看到 publishDate 的数据类型会被推断是日期类型。如果这个时候再存一本书，publishDate 不是日期，而是其他数据类型，那么存储一定会报错；如果是要存字符串类型，我们存数字类型，都一样可以，因为字符串跟数字可以转换，但是日期类型不能转换。

要解决这个问题，可以使用静态映射，即在索引定义时，将 remark 指定为 text 类型。也可以关闭日期检测：

此时日期类型就回当成文本来处理。

默认情况下，文档中如果新增了字段，mappings 中也会自动新增进来。

有的时候，如果希望新增字段时，能够抛出异常来提醒开发者，这个可以通过 mappings 中 dynamic属性来配置。但是这么设置，其实也就是变成静态映射了。

2、静态映射

如果希望新增字段时，能够抛出异常来提醒开发者，这个可以通过 mappings 中 dynamic属性来配置。

dynamic 属性有三种取值：

• true：默认即此。自动添加新字段。
• false：忽略新字段。
• strict：严格模式，发现新字段会抛出异常。

比如下图（严格模式）：

静态映射的意思就是在定义索引时，就把索引中的所有字段类型，统统提前定义枚举好，那么以后往索引中加数据和字段时，就只能按照规定好的加。

如果加了类型不对等的数据，会报 400 错误。

3、类型推断

二、核心类型

1、字符串类型

• string：这是一个已经过期的字符串类型。在 es5 之前，用这个来描述字符串，现在的话，它已经被 text 和 keyword
  替代了。
• text：如果一个字段是要被全文检索的，比如说博客内容、新闻内容、产品描述，那么可以使用text。用了 text
  之后，字段内容会被分析，在生成倒排索引之前，字符串会被分词器分成一个个词项。text类型的字段不用于排序，很少用于聚合。这种字符串也被称为 analyzed 字段。
• keyword：这种类型适用于结构化的字段，例如标签、email地址、手机号码等等，这种类型的字段可以用作过滤、排序、聚合等。这种字符串也称之为 not-analyzed 字段。

2、数字类型

• 在满足需求的情况下，优先使用范围小的字段。字段长度越短，索引和搜索的效率越高。
• 浮点数，优先考虑使用 scaled_float。

scaled_float 举例：

3、日期类型

由于 JSON 中没有日期类型，所以 es 中的日期类型形式就比较多样：

• 2020-11-11 或者 2020-11-11 11:11:11
• 一个从 1970.1.1 零点到现在的一个秒数或者毫秒数。

es 内部将时间转为 UTC，然后将时间按照 millseconds-since-the-epoch 的长整型来存储。

自定义日期类型：

这个能够解析出来的时间格式比较多。

上面三个文档中的日期都可以被解析，内部存储的是毫秒计时的长整型数。

4、布尔类型（boolean）

JSON 中的 “true”、“false”、true、false 都可以。

5、二进制类型（binary）

二进制接受的是 base64 编码的字符串，默认不存储，也不可以搜索。

6、范围类型

• integer_range
• float_range
• long_range
• double_range
• date_range
• ip_range

定义的时候，指定范围类型即可：

插入文档的时候，需要指定范围的界限：

指定范围的时候，可以使用 gt、gte、lt、lte。

7、 复合类型

a、数组类型

es 中没有专门的数组类型。默认情况下，任何字段都可以有一个或者多个值。需要注意的是，数组中的元素必须是同一种类型。

添加数组时，数组中的第一个元素决定了整个数组的类型。

b、对象类型（object）

由于 JSON 本身具有层级关系，所以文档包含内部对象。内部对象中，还可以再包含内部对象。

c、嵌套类型（nested）

nested 是 object 中的一个特例。
如果使用 object 类型，假如有如下一个文档：

由于 Lucene 没有内部对象的概念，所以 es 会将对象层次扁平化，将一个对象转为字段名和值构成的简单列表。即上面的文档，最终存储形式如下：

扁平化之后，用户名之间的关系没了。这样会导致如果搜索 Zhang si 这个人，会搜索到。

此时可以 nested 类型来解决问题，nested 对象类型可以保持数组中每个对象的独立性。nested 类型将数组中的每一饿对象作为独立隐藏文档来索引，这样每一个嵌套对象都可以独立被索引。

优点：文档存储在一起，读取性能高。

缺点：更新父或者子文档时需要更新更个文档。比如更新 zhang 这个姓，需要连 san 这个名也一起更新。

8、地理类型

使用场景：

• 查找某一个范围内的地理位置
• 通过地理位置或者相对中心点的距离来聚合文档
• 把距离整个到文档的评分中
• 通过距离对文档进行排序

a、 geo_point

注意：使用数组描述，先经度后纬度。

地址位置转 geo_hash：http://www.csxgame.top/#/

b、geo_shape

9、特殊类型

a、IP

b、token_count

三、二十三种映射参数

1、analyzer

这里的结果就不贴图了，可自行尝试。

默认情况下，中文就是一个字一个字的分，这种分词方式没有任何意义。如果这样分词，查询就只能按照一个字一个字来查，像下面这样：



结果就不贴图了。

总之这么分词后，然后就可以通过词去搜索了：

词条向量：存到底层的词是怎么分词的；并不是说简单的存储分词，还有这个词在这句话中具体的位置，以及这个词在这句话中出现了多少次（频率）；因为这些将来都要作为搜索评分的标准。

2、search_analyzer

查询时候的分词器。默认情况下，如果没有配置 search_analyzer，则查询时，首先查看有没有search_analyzer，有的话，就用 search_analyzer 来进行分词，如果没有，则看有没有 analyzer，如果有，则用 analyzer 来进行分词，否则使用 es 默认的分词器。

3、normalizer

normalizer 参数用于解析前（索引或者查询）的标准化配置。

比如，在 es 中，对于一些我们不想切分的字符串，我们通常会将其设置为 keyword，搜索时候也是使用整个词进行搜索。如果在索引前没有做好数据清洗，导致大小写不一致，例如 javaboy 和JAVABOY，此时，我们就可以使用 normalizer 在索引之前以及查询之前进行文档的标准化。

先来一个反例，创建一个名为 blog 的索引，设置 author 字段类型为 keyword：

大写关键字可以搜到大写的文档，小写关键字可以搜到小写的文档。

如果使用了 normalizer，可以在索引和查询时，分别对文档进行预处理。

normalizer 定义方式如下：

在 settings 中定义 normalizer，然后在 mappings 中引用。

测试方式和前面一致。此时查询的时候，大写关键字也可以查询到小写文档，因为无论是索引还是查询，都会将大写转为小写。

4、boost

boost 参数可以设置字段的权重。

boost 有两种使用思路，一种就是在定义 mappings 的时候使用，在指定字段类型时使用；另一种就是在查询（搜索）时使用。

实际开发中建议使用后者，前者有问题：如果不重新索引文档，权重无法修改。

mapping 中使用 boost（不推荐）：

另一种方式就是在查询（搜索）的时候，指定 boost（推荐）：

5、coerce

6、copy_to

7、doc_values 和 fielddata

es 中的搜索主要是用到倒排索引，doc_values 参数是为了加快排序、聚合操作而生的。当建立倒排索引的时候，会额外增加列式存储映射。

doc_values 默认是开启的，如果确定某个字段不需要排序或者不需要聚合，那么可以关闭doc_values。

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。

doc_values 默认开启，fielddata 默认关闭。

由于 doc_values 默认时开启的，所以可以直接使用该字段排序，如果想关闭 doc_values ，如下：

8、dynamic

这个讲动态映射的时候已经说过了，就是严格模式那些。

9、enabled

es 默认会索引所有的字段，但是有的字段可能只需要存储，不需要索引。此时可以通过 enabled 字段来控制：

10、format

日期格式。format 可以规范日期格式，而且一次可以定义多个 format。

• 多个日期格式之间，使用 || 符号连接，注意没有空格。
• 如果用户没有指定日期的 format，默认的日期格式是 strict_date_optional_time||epoch_mills

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

11、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。

12、ignore_malformed

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

13、include_in_all

这个是针对 _all 字段的，但是在 es7 中，该字段已经被废弃了。

14、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。

如果 index 为 false，则不能通过对应的字段搜索。

15、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：

16、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。

17、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：

18、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。

sanli 搜索不到，因为两个短语之间有一个假想的空隙，为 100。

可以通过 slop 指定空隙大小。
也可以在定义索引的时候，指定空隙：

近似查询：比如查询 java，但实际输入了 jaav 或者 jvaa 这种，但是近似查询依然能搜索出 java，；近似查询解决的就是这种问题。

19、properties

这个就不说了，用了很多次了。

20、similarity

similarity 指定文档的评分模型，默认有三种：

21、store

默认情况下，字段会被索引，也可以搜索，但是不会存储，虽然不会被存储的，但是 _source 中有一个字段的备份。如果想将字段存储下来，可以通过配置 store 来实现。

22、term_vectors

term_vectors 是通过分词器产生的信息，包括：

• 一组 terms
• 每个 term 的位置
• term 的首字符/尾字符与原始字符串原点的偏移量

term_vectors 取值：

23、fields

fields 参数可以让同一字段有多种不同的索引方式。例如：

24、官方文档

二十三种映射参数官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html

今天有小伙伴问，Elasticsearch 索引里面的mapping 设置 dynamic = true是什么意思？

一：ES mapping  dynamic是做什么用的

• 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，但是mapping不显示，查询返回JSON有
  • 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

约束策略 

策略	功能说明
true	开启 —— 遇到陌生字段时, 进行动态映射
false	关闭 —— 忽略遇到的陌生字段
strict	遇到陌生字段时, 作报错处理

二：实例演示 

1：约束策略 true

PUT my_index

{
  "mappings": {
    "_doc": {
      "dynamic": true,         //开启 —— 遇到陌生字段时, 进行动态映射
      "properties": {
        "user": { 
          "properties": {
            "name": {
              "type": "text"
            }
          }
        }
      }
    }
  }
}

put my_index/_doc/1
{
  "name": "John Smith",
  "first_name": "John",
  "last_name": "Smith"
}

 

2：约束策略 false

delete my_index
{}

PUT my_index

{
  "mappings": {
    "_doc": {
      "dynamic": false, 			// 关闭 —— 忽略遇到的陌生字段
      "properties": {
        "user": { 
          "properties": {
            "name": {
              "type": "text"
            }
          }
        }
      }
    }
  }
}

3：约束策略 strict

delete my_index
{}

PUT my_index

{
  "mappings": {
    "_doc": {
      "dynamic": "strict",			// 严格控制策略
      "properties": {
        "user": { 
          "properties": {
            "name": {
              "type": "text"
            }
          }
        }
      }
    }
  }
}

put my_index/_doc/1
{
  "name": "John Smith",
  "first_name": "John",
  "last_name": "Smith"
}

小伙伴你清楚了吗？

以上案例均使用：Elasticsearch 6.5.3 版本演示。