背景：

由於本人使用的是6.0以上的版本es，在使用發現很多中文已過時。ES6.0以後有很多參數變化。

現我根據官網總結mapping最新的參數，希望能對大家有用處。

新增字段：

　　eager_global_ordinals

刪除的字段：

　　include_in_all

以下是所有最新字段的詳細說明

{
    "analyzer" : "ik_max_word", #指定分詞器，一般使用最大分詞：ik_max_word
    
    "normalizer" : "normalizer_name", #字段標準化規則；如把所有字符轉為小寫；具體如下舉例

    "boost" : 1.5, #
 
字段權重；用於查詢時評分，關鍵字段的權重就會高一些，默認都是1；另外查詢時可臨時指定權重

    "coerce" : true, #清理臟數據：1，字符串會被強制轉換為整數 2，浮點數被強制轉換為整數；默認為true

    "copy_to" : "field_name", #自定_all字段；指定某幾個字段拼接成自定義；具體如下舉例

    "doc_values" : true, #加快排序、聚合操作，但需要額外存儲空間；默認true，對於確定不需要排序和聚合的字段可false

    "dynamic" : true, #新字段動態添加 true:無限制 false:數據可寫入但該字段不保留 ‘strict‘:無法寫入拋異常
 


    "enabled" : true, #是否會被索引，但都會存儲;可以針對一整個_doc

    "fielddata" : false, #針對text字段加快排序和聚合（doc_values對text無效）；此項官網建議不開啟，非常消耗內存

    "eager_global_ordinals": true, #是否開啟全局預加載,加快查詢；此參數只支持text和keyword，keyword默認可用，而text需要設置fielddata屬性
    
    "format" : "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
 
 ,#格式化 此參數代表可接受的時間格式 3種都接受

    "ignore_above" : 100, #指定字段索引和存儲的長度最大值，超過最大值的會被忽略

    "ignore_malformed" : false ,#插入文檔時是否忽略類型 默認是false 類型不一致無法插入

    "index_options" : "docs" ,
    # 4個可選參數
    # docs（索引文檔號）,
    # freqs（文檔號 + 詞頻），
    # positions（文檔號 + 詞頻 + 位置，通常用來距離查詢），
    # offsets（文檔號 + 詞頻 + 位置 + 偏移量，通常被使用在高亮字段）
    # 分詞字段默認是position，其他的默認是docs

    "index" : true, #該字段是否會被索引和可查詢 默認true

    "fields": {"raw": {"type": "keyword"}} ,#可以對一個字段提供多種索引模式，使用text類型做全文檢索，也可使用keyword類型做聚合和排序

    "norms" : true, #用於標準化文檔，以便查詢時計算文檔的相關性。建議不開啟

    "null_value" : "NULL", #可以讓值為null的字段顯式的可索引、可搜索

    "position_increment_gap" : 0 ,#詞組查詢時可以跨詞查詢 既可變為分詞查詢 默認100

    "properties" : {}, #嵌套屬性，例如該字段是音樂，音樂還有歌詞，類型，歌手等屬性

    "search_analyzer" : "ik_max_word" ,#查詢分詞器;一般情況和analyzer對應
    
    "similarity" : "BM25",#用於指定文檔評分模型，參數有三個：
    # BM25 ：ES和Lucene默認的評分模型
    # classic ：TF/IDF評分
    # boolean：布爾模型評分

    "store" : true, #默認情況false,其實並不是真沒有存儲，_source字段裏會保存一份原始文檔。
    # 在某些情況下，store參數有意義，比如一個文檔裏面有title、date和超大的content字段，如果只想獲取title和date

    "term_vector" : "no" #默認不存儲向量信息，
    # 支持參數yes（term存儲），
    # with_positions（term + 位置）,
    # with_offsets（term + 偏移量），
    # with_positions_offsets(term + 位置 + 偏移量)
    # 對快速高亮fast vector highlighter能提升性能，但開啟又會加大索引體積，不適合大數據量用
}

normalizer舉例：
{
  "settings": {
    "analysis": {
      "normalizer": {
        "my_normalizer": {
          "type": "custom",
          "char_filter": [],
          "filter": ["lowercase", "asciifolding"]
        }
      }
    }
  },
  "mappings": {
    "type": {
      "properties": {
        "foo": {
          "type": "keyword",
          "normalizer": "my_normalizer"
        }
      }
    }
  }
}

copy_to舉例：
{
  "mappings": {
    "my_type": {
      "properties": {
        "first_name": {
          "type": "text",
          "copy_to": "full_name"
        },
        "last_name": {
          "type": "text",
          "copy_to": "full_name"
        },
        "full_name": {
          "type": "text"
        }
      }
    }
  }
}

ElasticSearch 6.2 Mapping參數說明