2、搜索索引映射基础：索引映射（Mapping）的定义、字段类型与分词器的作用

2.1 索引映射（Mapping）的定义

在分布式搜索引擎（如 Elasticsearch、OpenSearch）中，索引映射（Mapping） 是定义索引中字段的名称、数据类型以及索引方式的核心结构。它类似于关系型数据库中的 Schema（表结构），但更侧重于全文检索与倒排索引的构建规则。

映射决定了文档在写入索引时，每个字段如何被解析、存储和检索。没有正确的映射，搜索引擎无法理解字段是应该做精确匹配、范围查询还是全文分词搜索。

2.2 字段类型（Field Types）

字段类型决定了字段的存储方式和查询行为。以下是搜索引擎中最常用的字段类型分类：

2.3 分词器（Analyzer）的作用

分词器 是搜索引擎处理文本字段的核心组件。它将一段连续的文本拆分成多个词项（Token），并可能进行归一化处理（如转小写、去除停用词、提取词干）。

一个完整的分词器由以下三部分顺序组成：

1. 字符过滤器（Character Filters）： 在分词前对原始文本进行预处理，如去除 HTML 标签、替换特殊字符。
2. 分词器（Tokenizer）： 将文本按规则切分成词项。例如，standard 分词器按空格和标点切分；ik_smart 按中文语义切分。
3. 词项过滤器（Token Filters）： 对切分后的词项进行二次处理，如转小写、去除停用词（“的”、“是”）、添加同义词。

2.4 映射、字段类型与分词器的协同关系

下面的 SVG 图展示了文档写入索引时，映射如何驱动字段类型和分词器协同工作：

2.5 映射定义示例

以下是一个典型的索引映射定义，展示了字段类型与分词器的配置方式：

PUT /product_index
{
  "mappings": {
    "properties": {
      "product_id": {
        "type": "keyword"          // 精确匹配，用于聚合和过滤
      },
      "title": {
        "type": "text",
        "analyzer": "ik_max_word", // 中文最大粒度分词
        "fields": {
          "keyword": {             // 多字段：同时支持精确匹配
            "type": "keyword"
          }
        }
      },
      "description": {
        "type": "text",
        "analyzer": "ik_smart"     // 中文智能分词，粒度较粗
      },
      "price": {
        "type": "double"           // 数值类型，支持范围查询
      },
      "created_at": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss"
      },
      "tags": {
        "type": "keyword"          // 标签数组，每个标签精确匹配
      }
    }
  }
}

2.6 分词器对比与选择

不同的分词器适用于不同的语言和场景。下表对比了搜索引擎中常见的分词器：

2.7 映射的不可变性约束

映射一旦创建，部分字段类型是不可修改的。这是搜索引擎底层倒排索引结构决定的。下图展示了映射变更的约束边界：