Elasticsearch Mapping类型修改

背景

通常数据库进行分库分表后，目前比较常规的作法，是通过将数据异构到Elasticsearch来提供分页列表查询服务；在创建Elasticsearch索引时，基本都是会参考目前的业务需求、关系数据库中的类型以及对数据的相关规划来定义相关字段mapping的类型.在Elasticsearch的mapping中的列(或则叫属性)，有几个比较重要的参数(更多参数参考官方文档)

• 列类型：type
• 指定了该列的数据类型，常用的有text, keyword, date, long, double,boolean以及 object和nested,不同的类型也有对应的不同查询方式，创建之后是不能修改的；
• 是否可索引：index
• 该index选项控制字段值是否被索引。它接受true or false,并且默认为true. 未索引的字段不可查询,当然也不能做为排序字段。

但是在实际的开发过程中，又会有需求对现有的mapping的type进行修改（类似对MySQL数据表的字段进行DDL操作）的诉求。比如商品上的价格price字段，按原来的业务分析，只需要提供数据返回即可，在创建索引时类型定义了keyword了，并且index设置成了false，这时我们需要根据价格的范围查询或则进行排序操作，就希望对mapping进行调整，将类型修改成数字类型，索引也需要加上；今天针对Elasticsearch的Mapping类型进行修改，讨论几个可行的方案

方案1：运用reindex

遇到问题第一时间，我们应该是查询官方文档是否有相关的操作说明，在官方文档中，确实还能找到对已有mapping更新的相关api put-mapping,通过这个文档，很快可以找到文档中对修改已有mapping的列的方式（参考官方文档），同时也提到的通过 reindex的方式来修改已有类型的方式；

除了支持的mapping parameters外，您不能更改现有字段的映射或字段类型。更改现有字段可能会使已编制索引的数据无效。如果您需要更改字段的映射，请使用正确的映射创建一个新索引并将您的数据重新索引reindex到该索引中。

如原来索引的mapping如下

PUT /users
{
  "mappings" : {
    "properties": {
      "user_id": {
        "type": "long"
      }
    }
  }
}

//加一了两条数据
POST /users/_doc?refresh=wait_for
{
    "user_id" : 12345
}

POST /users/_doc?refresh=wait_for
{
    "user_id" : 12346
}

这时想修改user_id的类型为keyword,我们直接是修改不了的。

//尝试直接修改type，行不通，会报错
PUT /users/_mapping
{
    "properties": {
        "user_id": {
            "type": "keyword"
        }
    }
}

//报错信息
{
  "error": {
    "root_cause": [
      {
        "type": "illegal_argument_exception",
        "reason": "mapper [user_id] of different type, current_type [long], merged_type [keyword]"
      }
    ],
    "type": "illegal_argument_exception",
    "reason": "mapper [user_id] of different type, current_type [long], merged_type [keyword]"
  },
  "status": 400
}

按官方文档说的reindex重新索引可按以下步骤操作

操作步骤

第一步：创建新的索引new_users将user_id的类型定义成keyword

PUT /new_users
{
  "mappings" : {
    "properties": {
      "user_id": {
        "type": "keyword"
      }
    }
  }
}

第二步：将原user索引标记为只读

控制我们的应用系统，数据停写不再向老索引中写数据，并且最好对老索引进行只读操作设置，保证在reindex的过程中，不要生产新数据，导致新老索数据不一致；

//设置索引为读写的
PUT /users/_settings
{
  "settings": {
    "index.blocks.write": true
  }
}

第三步：将原user索引中的数据迁移到new_users中

POST /_reindex
{
  "source": {
    "index": "users"
  },
  "dest": {
    "index": "new_users"
  }
}

reindex还有很多的参数可以配置，包括从远程的一个集群迁移数据都是可以的，详细可参考：Reindex API

如果新的索引的mapping的定义与原索引的定义有差异的，会按新索引定义的 dynamic 规则进行数据的迁移，具体的，可以参考: dynamic

该dynamic设置控制是否可以动态添加新字段。它接受三种设置：

同时将原user索引标记为可读写

//设置索引为可读写
PUT /users/_settings
{
  "settings": {
    "index.blocks.write": false
  }
}

第四步：切换到使用新的mapping

//为索引增加别名 基本格式
PUT //_alias/
POST //_alias/

//为new_users索引增加别名users
PUT /new_users/_alias/users

//没有删除老索引前，是增加不了别名的,需要先删除老别名
{
  "error": {
    "root_cause": [
      {
        "type": "invalid_alias_name_exception",
        "reason": "Invalid alias name [users], an index exists with the same name as the alias",
        "index_uuid": "8Rbq_32BTHC4CoO_CqWdXA",
        "index": "users"
      }
    ],
    "type": "invalid_alias_name_exception",
    "reason": "Invalid alias name [users], an index exists with the same name as the alias",
    "index_uuid": "8Rbq_32BTHC4CoO_CqWdXA",
    "index": "users"
  },
  "status": 400
}

方案优劣分析

【优点】操作简单，官方方案

该方案，不需要对原索引做操作，在线即可进行，并且操作步骤也简单；也是官方文档提供的方案。

【缺点】数据量大迁移耗时长

当数据最大时，这个数据迁移会比较耗时

结论

当数据量小时，并且希望mapping比较规整好看，该方案是比较推荐的。当数据量大时，可能该方案在数据迁移过程中会比较耗时，需要评估是否可行；

方案2：运用multi-fields

为不同的目的以不同的方式索引同一个字段通常很有用。这就是multi-fields的目的。例如，一个string 字段可以映射为text用于全文搜索的字段，也可以映射keyword为用于排序或聚合的字段;在这个方案中，应用的是mapping参数fields来对同一个列，定义多种数据类型；详细[【官方文档】multi-fields] (https://www.elastic.co/guide/en/elasticsearch/reference/7.5/multi-fields.html)

操作步骤

第一步：为列增加fields属性

还是以上面的users这个索引为例，我们还是想将user_id的类型定义成 keyword；

PUT /users/_mapping
{
    "properties":{
        "user_id":{
            "type":"long",
            "fields":{
                "raw":{
                    "type":"keyword"
                }
            }
        }
    }
}

操作完成后，在users的 user_id列下，就会多出一个raw的子属性；在我们正常写数据user_id时，会自动生成这两个索引，一个是long类型的user_id，以及keyword类型的user_id.raw（注意这里有个点，跟子对象访问方式一样）;在put mapping时，type参数必需给，并且需要跟原来的类型一致，fields中新定义的子属性可以多个；

【可选】第二步：历史数据更新

针对历史数据需要处理，可以借助_update_by_query 来更新数据，只需要将原来的索引再写一次，即可将新加的字段写入数据。

POST /users/_update_by_query 

{
   "query":{
       "exists":{
           "field":"user_id"
       }
   },
   "script":{
       "source":"ctx._source.user_id=ctx._source.user_id ",
       "lang":"painless"
   }
}

// query 部分为需要更新数据过滤条件，可根据业务规则写
// script 更数据的逻辑，这个基本可以不改

方案优劣分析

【优点】不影响原索引，同一列可以定义多种类型

通过这方式不会影响原来的索引数据，可以不用修改现在的应用程序的读写方式，对应用程序一切按原来逻辑执行，对应用方无感知，非常优化。只需要有使用新类型的场景使用即可，可以说影响是最小的；同时只是做了一个定义，执行速度是非常快的，对Elasticsearch服务基本不会有太大影响；并且对于同一个列可以定义多个类型，比如商品名称，在多国多语言环境下可以根据不同语言定义多个列，对应使用不同的分词器；

【缺点】老数据不会自动创建子索引，多出额外的存储

老数据不会自动创建索引，因为需要多出新的索引来，会增加额外的存储；

结论

1、需要对多一列创建多个索引类型时，是一个非常推荐的方案；2、对于新索引，只有新业务使用，对老数据没有诉求的，也非常推荐该方案；

方案3：运用copy_to

copy_to是将多个字段的值，合并到一个字段中，便于搜索。但是也可以实现一个字段存在多个类型的需求。详细参考【官方文档】copy_to

操作步骤

还是用上面的users这个索引为例，为user_id创建一个copy列： user_id_raw 类型定义成 keyword

PUT /users/_mapping
{
    "properties":{
        "user_id_raw":{
          "type":"keyword",
          "copy_to":"user_id"
        }
    }
}

这个方案与方案2：multi-fields 基本是一样的，只是创建列的方式不同，优缺点都一样；

参考资料

• [1] 【官方文档】Mapping parameters
• [2] 【官方文档】Mapping Field datatypes
• [3] [【官方文档】multi-fields] (https://www.elastic.co/guide/en/elasticsearch/reference/7.5/multi-fields.html)
• [4] Elasticsearch Rename Index
• [5] elasticSearch7.x—mapping中的fields属性||copy_to配置（同一个字段两种类型）
• [6] 《Elasticsearch:权威指南》Mapping -- Mapping parameters -- fields(multi-fields)

作者：京东零售 周德东

来源：京东云开发者社区 转载请注明来源