面试题：ElasticSearch复杂数据结构下映射数据类型的优化选择

Question

假设你有一个包含多层嵌套结构的文档，如电商产品文档，其中既有产品基本信息（字符串、数字等），又有产品评论（文本），评论还包含点赞数（数值）、评论人信息（对象嵌套）等。请详细阐述你会如何设计ElasticSearch的映射数据类型，以确保高效的存储和搜索，同时要考虑到不同数据类型在聚合分析等场景下的表现。

Answer 1

1. 产品基本信息

• 字符串类型：对于产品名称、品牌等字符串字段，若需要进行全文搜索，可设置为 text 类型，并指定合适的分词器，如 ik_max_word（针对中文）。例如：

{
  "product_name": {
    "type": "text",
    "analyzer": "ik_max_word"
  }
}

若仅用于精确匹配（如产品编号），则设置为 keyword 类型：

{
  "product_id": {
    "type": "keyword"
  }
}

• 数字类型：根据数值范围选择合适的数字类型，如 integer（适用于一般整数）、long（大整数）、float（小数）等。例如产品价格可设置为 float：

{
  "price": {
    "type": "float"
  }
}

2. 产品评论

• 文本类型：评论内容通常是长文本，设置为 text 类型，并选择合适的分词器进行全文搜索，方便用户搜索特定评论内容：

{
  "review_content": {
    "type": "text",
    "analyzer": "ik_max_word"
  }
}

• 点赞数：点赞数为数值，可设置为 integer 类型，便于进行聚合分析，如统计点赞数最多的产品评论：

{
  "like_count": {
    "type": "integer"
  }
}

3. 评论人信息

• 对象嵌套类型：评论人信息可能包含姓名、年龄、地址等多个字段，将其定义为 object 类型。如果评论人信息需要独立进行搜索和聚合分析（例如按评论人所在地区统计评论数量），则使用 nested 类型。以 nested 类型为例：

{
  "reviewer": {
    "type": "nested",
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "age": {
        "type": "integer"
      },
      "address": {
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}

4. 聚合分析考虑

• 字符串字段：text 类型字段不适合直接用于聚合，因为分词后会丢失原词的完整性。而 keyword 类型适合用于聚合分析，如按品牌统计产品数量。
• 数字字段：数字类型字段非常适合聚合分析，如计算产品价格的平均值、评论点赞数的总和等。
• 嵌套对象：对于 nested 类型对象，在进行聚合分析时，需要使用 nested 聚合语法，以确保每个嵌套文档被独立处理，避免数据错误。例如，统计不同地区评论人的评论数量：

{
  "aggs": {
    "reviewers_by_address": {
      "nested": {
        "path": "reviewer"
      },
      "aggs": {
        "address_buckets": {
          "terms": {
            "field": "reviewer.address.keyword"
          }
        }
      }
    }
  }
}

通过这样设计 ElasticSearch 的映射数据类型，可以在高效存储的同时，满足各种搜索和聚合分析的需求。