在es中也有存储结构的定义，就像在传统的数据库中的表结果的定义

在elasticsearch7.X之后移除的type的概念
在官方的解释中，因为es底层用的Lucene,之前我们都将type类比于关系型数据库中的表，但是不同的是，关系型数据库中的表之间是独立的，每个表中即使有相同的字段也不会影响最终的查询结果，并且没有二义性。不同于传统数据库的是elasticsearch中type中的每个字段并没有相互隔离，如果不同type中有很多相同的字段，对于最终的Lucene压缩和不同类型之间的修改或者删除有很大的影响。

1. string
   text and keyword
2. Numeric datatypes
   long, integer, short, byte, double, float, half_float, scaled_float
3. Date datatype
   date
4. date_nanos datatype
   date_nanos
5. Boolean datatype
   boolean
6. Binary datatype
   binary
7. Range datatypes
   integer_range, float_range, long_range, double_range, date_range
8. Range datatypes
   Complex datatypesedit
   Array datatype
   Array support does not require a dedicated type
   Object datatype
   object for single JSON objects
   Nested datatype
   nested for arrays of JSON objects
9. Geo datatypes
   Geo datatypesedit
   Geo-point datatype
   geo_point for lat/lon points
   Geo-Shape datatype
   geo_shape for complex shapes like polygons

1. _index :代表了这个文档属于哪个索引
2. _type : 文档的类型
3. _id:文档的Id

1. _source : 代表原始的JSON文档类型
2. _size：_source的byte大小
3. _field_names：文档中所有字段名称
4. _ignored：被忽略的字段

1. coerce：数据的严格性，比如，定义一个字段类型为integer，但是放入“5.0”也不会报错，但是总会需要严格的数据,如果在字段中加入coerce：false 则需要强类型的限制，如果规定字段类型为Integer，传入字符串类型的数字则会报错
2. dynamic
   1. true：新增的字段会加入mapping中，默认设置
   2. false：新检测到的字段将被忽略。这些字段不会被编入索引，因此无法搜索，但仍会出现在_source返回的匹配字段中。这些字段不会添加到映射中，必须显式添加新字段
   3. strict：如果检测到新字段，则抛出异常并拒绝该文档。必须将新字段显式添加到映射中。
3. copy_to
   将多个字段聚合到一个字段中方便查询，他是复制字段中的值，不是item
4. null_value
   一个null值不能被索引或搜索。当字段设置为null（或空数组或null值数组）时，它被视为该字段没有值。

在默认情况下，我们新建文档的时候，es会通过探测类型自动建立Mapping，支持一下类型的建立：

默认的日期格式为：[ "strict_date_optional_time","yyyy/MM/dd HH:mm:ss Z||yyyy/MM/dd Z"]
比如：

PUT my_index/_doc/1
{
  "create_date": "2015/09/02"
}

对应的mapping为：可见时间被格式化为默认时间类型

{
  "my_index" : {
    "mappings" : {
      "properties" : {
        "create_date" : {
          "type" : "date",
          "format" : "yyyy/MM/dd HH:mm:ss||yyyy/MM/dd||epoch_millis"
        }
      }
    }
  }
}

如果不想不自动检测类型，则可以配置：

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

自定义时间侦测类型

PUT my_index
{
  "mappings": {
    "dynamic_date_formats": ["MM/dd/yyyy"]
  }
}

我们在创建文档的时候，遇到这种类型的字符串才会被格式化成时间

PUT my_index
{
  "mappings": {
    "numeric_detection": true
  }
}

开启之后，会将文档中的字符串转为响应的数字类型

index开启之后则将记录索引，否则不记录，即不可搜索

可以定义将特定的类型转为另一个类型，或者匹配某一个或者某一类关系

1. 将目标文档写入es中，获取es自动生成的mapping
2. 修改步骤1中获得的mapping，并自定义相关配置
3. 使用步骤2中的mapping创建实际所需要的索引

在es中我们可能会对某个索引进行按时间切分，来达到更好的效率，这时候我们可以定义索引模板
新建索引模板：

PUT _template/template_1
{
  "index_patterns": ["te*", "bar*"],//索引模板匹配规则
  "order":0,//匹配顺序，如果有几个命中，则order越大，选择哪个
  "settings": {
    "number_of_shards": 1
  },
  "mappings": {
    "_source": {
      "enabled": true
    },
    "properties": {
      "host_name": {
        "type": "keyword"
      },
      "created_at": {
        "type": "date",
        "format": ["MM/dd/yyyy"]
      }
    }
  }
}

新建文档：

PUT test_2/_doc/1
{
  "created_at":"01/22/2019",
  "host_name":"localhost"
}

则会命中索引模板中的设置
查看mapping设置：GET test_2/_mapping

{
  "test_2" : {
    "mappings" : {
      "properties" : {
        "created_at" : {
          "type" : "date",
          "format" : "[MM/dd/yyyy]"
        },
        "host_name" : {
          "type" : "keyword"
        }
      }
    }
  }
}