Podstawy mapowania i typów danych
Poznaj koncepcję mapowania, sposób, w jaki Elasticsearch rozpoznaje typy danych, oraz definiowanie prostych, jawnych mapowań dla pól.
Podstawy mapowania i typów danych to bezpłatna lekcja Elasticsearch & Full Text Search Systems na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Elasticsearch & Full Text Search Systems, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Elasticsearch & Full Text Search Systems zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
Mapping: Your Data's Blueprint
When you put data into Elasticsearch, it needs to understand what kind of data each piece is. This is where mapping comes in.
Mapping is like a schema that defines the fields in your documents and their data types, such as text, numbers, or dates.
Why Mapping Matters
Think of mapping as a blueprint for your search engine. It tells Elasticsearch:
- How to store each field
- How to index (prepare for search) each field
- How each field can be searched and analyzed
Without proper mapping, your searches might not work as expected!
Dynamic Mapping: Elasticsearch's Guess
Elasticsearch is smart! If you index a document without defining a mapping first, it tries to guess the data type for each field. This is called dynamic mapping.
It's convenient for quick starts, but not always ideal for precise control over your data.
Dynamic Mapping Example
Let's see dynamic mapping in action. We'll index a document into a new index called my_books. Elasticsearch will automatically create the index and guess the field types.
PUT /my_books/_doc/1
{
"title": "The Art of Search",
"author": "Jane Doe",
"published_year": 2023,
"is_available": true,
"pages": 320
}Inspecting Dynamic Mappings
After indexing, we can retrieve the automatically generated mapping for my_books to see what data types Elasticsearch inferred for each field.
You'll see types like text, keyword, long, and boolean.
GET /my_books/_mappingLimitations of Dynamic Mapping
While handy, dynamic mapping has limits. For example, Elasticsearch might map a city name as text (for full-text search) when you really need it as a keyword (for exact filtering).
This can lead to inefficient searches or unexpected results. That's why explicit mapping is crucial.
Defining Explicit Mappings
Explicit mapping means you define the schema yourself before indexing documents. This gives you full control over how your data is stored and indexed.
You define mappings when you create an index, inside the mappings object, under properties.
PUT /my_custom_index
{
"mappings": {
"properties": {
"field_name": { "type": "data_type" }
}
}
}Common Data Types: Text & Keyword
Two fundamental types are text and keyword:
text: Used for full-text search (e.g., book descriptions). Text is analyzed, broken into words, and processed.keyword: Used for exact value matching, filtering, and sorting (e.g., product IDs, tags). Keywords are stored as-is.
Explicit Mapping Example: Text & Keyword
Here’s how you'd explicitly map a product_name for search and a product_id for exact filtering.
Notice how we create the index with the mapping before adding any documents.
PUT /products_v1
{
"mappings": {
"properties": {
"product_name": { "type": "text" },
"product_id": { "type": "keyword" }
}
}
}Quick Check: Choosing Data Types
You're building an Elasticsearch index for an e-commerce platform. Which data types would be most appropriate for the following fields to enable efficient searching and filtering?
Recap: Mastering Your Data's Structure
Great job! You've learned the basics of Elasticsearch mapping.
- Mapping defines the structure and types of your document fields.
- Dynamic mapping is Elasticsearch's auto-guessing feature.
- Explicit mapping gives you full control, letting you define types like
text(for search) andkeyword(for exact matches), and numeric types likeintegerandfloat.
Controlling your mappings is key to powerful and accurate search!
Ucz się Elasticsearch & Full Text Search Systems dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 12
- Lekcje
- 48
Często zadawane pytania
Czy lekcja „Podstawy mapowania i typów danych” jest bezpłatna?
Tak — pełny tekst „Podstawy mapowania i typów danych” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Elasticsearch & Full Text Search Systems, przejdź na CoddyKit PRO. Kurs Elasticsearch & Full Text Search Systems zawiera 4 lekcji w sumie.
Co nauczysz się w „Podstawy mapowania i typów danych”?
Poznaj koncepcję mapowania, sposób, w jaki Elasticsearch rozpoznaje typy danych, oraz definiowanie prostych, jawnych mapowań dla pól. Ćwiczysz Elasticsearch & Full Text Search Systems z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Elasticsearch & Full Text Search Systems?
Nie wymagamy żadnego doświadczenia. Elasticsearch & Full Text Search Systems w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Podstawy mapowania i typów danych”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Elasticsearch & Full Text Search Systems?
Tak. Każda lekcja Elasticsearch & Full Text Search Systems zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Indeksowanie dokumentów w Elasticsearch
- Operacje CRUD na dokumentach
- Podstawy mapowania i typów danych
- Indeksowanie zbiorcze i Bulk API