Elasticsearch 有哪些字段类型？如何正确选择？

Elasticsearch 的字段类型直接决定了索引的存储方式、查询性能和分析能力。选错类型会导致分词异常、聚合失败、存储膨胀，甚至需要重建索引。下面从类型分类、核心类型详解、选型原则三个层面系统梳理。

字段类型总览

Elasticsearch 的字段类型可分为以下几类：

类别	主要类型	典型场景
文本	text、keyword	全文搜索 / 精确匹配
数值	integer、long、float、double、scaled_float	范围查询、排序、聚合
日期	date	时间范围过滤
布尔	boolean	状态标记
复杂结构	object、nested、flattened	嵌套文档
地理	geo_point、geo_shape	位置搜索
语义搜索	dense_vector、sparse_vector	向量检索
排序特征	rank_feature、rank_features	影响相关性评分
自动补全	search_as_you_type、completion	搜索建议
其他	ip、alias、constant_keyword、wildcard	特殊用途

核心类型详解

text 与 keyword：最常混淆的一对

text 和 keyword 是 Elasticsearch 中最基础也最容易被误用的两种类型。

text 会经过分词器处理，拆分为多个 token 后建立倒排索引，适合 match 查询：

json
"title": {
  "type": "text",
  "analyzer": "ik_max_word"
}

在 text 字段上执行 term 查询是常见错误——分词后的 token 与原始值不一致，term 查询会返回空结果。

keyword 不分词，原样存储，适合 term 查询、排序和聚合：

json
"status": {
  "type": "keyword",
  "ignore_above": 256
}

多字段模式是生产环境的标准做法，同一个业务字段同时提供 text 和 keyword 两种能力：

json
"title": {
  "type": "text",
  "analyzer": "ik_max_word",
  "fields": {
    "keyword": { "type": "keyword" }
  }
}

这样 title 用于全文搜索，title.keyword 用于精确匹配和聚合。

数值类型：够用就行，不必贪大

integer（4字节）、long（8字节）、float（4字节）、double（8字节）是最常用的数值类型。选型原则很简单：能满足需求的最小类型优先。

scaled_float 适合货币等固定精度场景，它存储时自动乘以 scaling_factor 取整，查询时还原：

json
"price": {
  "type": "scaled_float",
  "scaling_factor": 100
}

这样 99.99 实际存储为 9999（long），既省空间又避免浮点精度问题。

注意：存储标识符（如数据库主键 ID）应使用 keyword 而非 long。数字类型的 term 查询会做数值比较，而标识符需要的是精确字符串匹配。

date 类型：格式必须显式声明

json
"created_at": {
  "type": "date",
  "format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ||epoch_millis"
}

format 支持用 || 分隔多种格式。不指定时 Elasticsearch 会猜测，一旦数据中混入不同格式就会导致解析失败。始终显式声明 format 是最佳实践。

object 与 nested：嵌套数据的两种处理方式

object 类型会将嵌套字段扁平化存储。当数组中包含多个对象时，扁平化会导致跨字段的关联丢失：

json
// 文档内容
{"users": [{"name": "张三", "age": 25}, {"name": "李四", "age": 30}]}

// object 扁平化后实际存储
{"users.name": ["张三", "李四"], "users.age": [25, 30]}

此时查询 name=张三 AND age=30 会误匹配，因为扁平化后张三和 30 没有关联。

nested 类型为每个数组元素建立独立文档，保证字段间关联：

json
"users": {
  "type": "nested",
  "properties": {
    "name": { "type": "keyword" },
    "age": { "type": "integer" }
  }
}

查询时必须使用 nested 查询：

json
{
  "query": {
    "nested": {
      "path": "users",
      "query": {
        "bool": {
          "must": [
            { "term": { "users.name": "张三" } },
            { "term": { "users.age": 25 } }
          ]
        }
      }
    }
  }
}

nested 的代价是查询更复杂、索引更大。如果数组元素之间不需要跨字段关联查询，用 object 即可。

flattened：动态元数据的轻量选择

当日志或事件中包含大量不确定 key 的元数据字段时，逐个定义 mapping 既繁琐又浪费。flattened 将整个对象作为一个 keyword 存储：

json
"metadata": {
  "type": "flattened"
}

支持对内部字段的查询和聚合，但不支持全文搜索。适合标签、注解等结构不固定的场景。

geo_point 与 geo_shape：地理信息处理

json
"location": {
  "type": "geo_point"
}

geo_point 支持距离查询、范围过滤和聚合：

json
{
  "query": {
    "geo_distance": {
      "distance": "5km",
      "location": { "lat": 39.9, "lon": 116.4 }
    }
  }
}

geo_shape 用于复杂地理区域（多边形、线段），支持空间关系查询（相交、包含等）。

dense_vector：语义搜索的基础

json
"embedding": {
  "type": "dense_vector",
  "dims": 768,
  "index": true,
  "similarity": "cosine"
}

dense_vector 存储向量数据，配合 kNN 查询实现语义搜索。index: true（ES 8.0+）启用向量索引以加速近似最近邻检索。

rank_feature：影响相关性但不参与过滤

json
"page_rank": {
  "type": "rank_feature"
},
"hot_score": {
  "type": "rank_features"
}

rank_feature 存储单个正数，rank_features 存储 key-value 对。它们只能用于 rank_feature 查询中提升相关性评分，不能用于过滤或聚合。适合引入外部信号（如热度、权威度）影响排序。

其他实用类型

• ip：存储 IPv4/IPv6，支持 CIDR 范围查询
• alias：字段别名，指向另一个字段，查询时自动转发
• constant_keyword：所有文档该字段值相同，优化存储
• wildcard：优化 wildcard 和 prefix 查询的性能
• search_as_you_type：专为即输即搜优化，自动构建 ngram 子字段
• completion：用于 suggester API 的自动补全

runtime fields：查询时动态计算

运行时字段不在索引时生成，而在查询时通过脚本计算，适合临时分析或验证逻辑：

json
"runtime": {
  "price_gte_100": {
    "type": "boolean",
    "script": {
      "source": "emit(doc['price'].value >= 100)"
    }
  }
}

优点是无需 reindex 即可添加字段；缺点是每次查询都要计算，大量数据下性能损耗明显。生产环境中高频查询的字段应转为索引字段。

选型原则

第一步：确认查询方式

查询方式	推荐类型
全文搜索	text
精确匹配 / 过滤 / 聚合	keyword
范围查询	数值类型 / date
地理距离	geo_point
语义搜索	dense_vector
嵌套关联查询	nested

第二步：考虑存储与性能

• keyword 比 text 索引开销小，高频过滤字段优先用 keyword
• scaled_float 在货币场景下比 double 更精确且更省空间
• nested 查询比 object 慢，只在需要字段关联时使用
• flattened 减少 mapping 膨胀，但牺牲全文搜索能力

第三步：避免常见错误

• 不要在 text 字段上执行 term 查询，用 match 或改用 keyword
• 标识符字段用 keyword，不要用数值类型
• 日期字段始终显式声明 format
• 需要字段关联的嵌套数组必须用 nested，不能用 object
• 运行时字段不要用于高频过滤或大规模聚合

完整 mapping 示例

json
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "ik_max_word",
        "fields": {
          "keyword": { "type": "keyword" }
        }
      },
      "status": {
        "type": "keyword"
      },
      "price": {
        "type": "scaled_float",
        "scaling_factor": 100
      },
      "is_active": {
        "type": "boolean"
      },
      "created_at": {
        "type": "date",
        "format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ||epoch_millis"
      },
      "location": {
        "type": "geo_point"
      },
      "ip_address": {
        "type": "ip"
      },
      "users": {
        "type": "nested",
        "properties": {
          "name": { "type": "keyword" },
          "age": { "type": "integer" }
        }
      },
      "metadata": {
        "type": "flattened"
      },
      "embedding": {
        "type": "dense_vector",
        "dims": 768,
        "index": true,
        "similarity": "cosine"
      },
      "hot_score": {
        "type": "rank_feature"
      }
    }
  }
}

选对字段类型是 Elasticsearch 索引设计的根基。先明确查询方式，再权衡存储与性能，最后对照常见错误排查——三步走基本覆盖绝大多数场景。如果业务演进导致类型需要变更，通过 reindex + alias 切换的方式在线完成，无需停服。