面试题：ElasticSearch自动创建索引机制中字段类型推断是如何实现的

Question

在ElasticSearch自动创建索引时，它会根据传入的数据自动推断字段类型。请阐述ElasticSearch是依据哪些规则来推断常见字段类型（如数字、字符串、日期等）的？

Answer 1

• 数字类型推断规则：
  • 如果字段值是整数（如123），Elasticsearch通常会推断为long类型，对于较小范围的整数（-32768到32767）可能推断为short类型。
  • 如果字段值是浮点数（如12.34），会推断为double类型，对于单精度浮点数（可表示范围相对较小且精度有限）可能推断为float类型。
• 字符串类型推断规则：
  • 如果字段值看起来像结构化数据（如JSON对象字符串、XML字符串等），Elasticsearch可能会将其视为object类型。
  • 对于普通文本字符串，默认情况下会被推断为text类型，并同时生成一个keyword子字段用于精确匹配和聚合等操作。但如果该字符串长度较短且不期望进行全文搜索，如标识符、枚举值等，可能会直接被推断为keyword类型。
• 日期类型推断规则：
  • Elasticsearch会尝试根据常见的日期格式来推断日期类型。常见格式如YYYY - MM - DD（如2023 - 01 - 01）、YYYY - MM - DD HH:MM:SS（如2023 - 01 - 01 12:00:00）等。
  • 也支持一些时间戳格式，如毫秒级时间戳（从1970年1月1日00:00:00 UTC开始的毫秒数）。如果字段值符合这些格式，就会被推断为date类型。