面试题：ElasticSearch创建索引时的Mapping设置优化

Question

假设有一个包含用户信息（姓名、年龄、地址、联系方式、兴趣爱好等）的文档需要创建索引，要求实现高效的全文搜索、精确匹配以及范围查询等功能。请详细描述在创建索引时如何设计Mapping，包括字段类型选择、分析器设置等，并解释这样设置的好处。

Answer 1

字段类型选择

1. 姓名：
   • 类型：text 类型用于全文搜索，同时使用 keyword 类型用于精确匹配。
   • 分析器：对于 text 类型，可选择适合该语言的分析器，如中文可选 ik_max_word 分析器，它能进行细粒度的分词，利于全文搜索。keyword 类型不进行分词，直接用于精确匹配，无需设置分析器。
   • 好处：text 类型分词后可用于全文搜索，满足用户模糊查找姓名的需求，keyword 类型可用于精确匹配，如根据全名查询特定用户。
2. 年龄：
   • 类型：integer 类型。
   • 分析器：无需分析器，因为年龄是数值，不是文本，不需要分词。
   • 好处：integer 类型占用空间小，并且能高效地进行范围查询，如查询年龄在某个区间的用户。
3. 地址：
   • 类型：text 类型。
   • 分析器：可选择适合地址文本特点的分析器，如中文地址可选 ik_max_word 分析器，能对地址文本进行有效分词，方便全文搜索。
   • 好处：可以对地址进行全文搜索，例如用户搜索包含某个小区名或街道名的地址。
4. 联系方式：
   • 类型：keyword 类型。
   • 分析器：无需分析器，联系方式通常是精确的字符串，无需分词。
   • 好处：适合精确匹配，如通过电话号码或邮箱地址精确查找用户。
5. 兴趣爱好：
   • 类型：text 类型。
   • 分析器：根据具体兴趣爱好文本特点选择分析器，例如通用的 standard 分析器或者适合特定语言的分析器，方便对兴趣爱好进行全文搜索。
   • 好处：支持全文搜索，比如搜索喜欢 “篮球” 的用户，能对兴趣爱好文本进行有效分词匹配。

Mapping 设计示例（以 Elasticsearch 为例）

{
    "mappings": {
        "properties": {
            "姓名": {
                "type": "text",
                "analyzer": "ik_max_word",
                "fields": {
                    "keyword": {
                        "type": "keyword"
                    }
                }
            },
            "年龄": {
                "type": "integer"
            },
            "地址": {
                "type": "text",
                "analyzer": "ik_max_word"
            },
            "联系方式": {
                "type": "keyword"
            },
            "兴趣爱好": {
                "type": "text",
                "analyzer": "standard"
            }
        }
    }
}

这样设置能充分利用不同字段类型和分析器的特点，实现高效的全文搜索、精确匹配以及范围查询等功能，满足对用户信息文档索引的多样化搜索需求。