环境

• Elasticsearch 8.1
• Kibana 8.1
• MacOS 10.14.6

简介

首先我们还是先了解一下，什么是字段别名？大家可能听说过索引别名，通过索引的别名可以轻松的切换所需的数据来源与哪一个索引，那么什么是字段别名呢？所谓字段别名，就是索引mapping定义时的备用字段，通过字段别名可以替换搜索请求中的目标字段，字段别名可以用于搜索
，排序
，聚合
，高亮
，docvalue_fields
，stored_fields
，suggestions
，下面我们一起来看一下字段别名的详细使用过程

使用

定义字段别名规范

• 必须是一个明确的字段，不能是一个对象或者指向另一个字段别名
• 在创建字段别名时，字段别名指向的目标字段必须已经存在
• 如果定义了嵌套的对象，则字段别名必须具有同样的嵌套范围

字段别名只能指向一个字段，不能同时指向多个字段；

但是可以通过修改mapping
中的字段别名设置指向另一个新字段

不支持使用字段别名的API

• 首先是不能在写入数据的时候使用字段别名，因为本身字段别名是虚拟的，不存在的，所以不支持写入，同样也不能用于copy_to
  
• 因为字段的别名是不存在_source
  中的，所以搜索请求时的过滤字段也是不会生效的

测试

• 创建索引，定义字段别名

  其中创建了索引blog1
  和blog2
  ,各自定义了两个字段别名public_count
  和public_content
  ,在blog1
  索引中，public_count
  指向doc.count
  ,public_content
  指向doc.content
  ;在blog2
  索引中，public_count
  指向doc_count
  ,public_content
  指向doc_content
  ;

  PUT blog1
  {
    "mappings": {
      "properties": {
        "doc": {
          "properties": {
            "count": {
              "type": "long"
            },
            "content": {
              "type": "text",
              "fields": {
                "keyword": {
                  "type": "keyword"
                }
              }
            }
          }
        },
        "creater": {
          "type": "keyword"
        },
        "public_count": {
          "type": "alias",
          "path": "doc.count"
        },
        "public_content": {
          "type": "alias",
          "path": "doc.content"
        }
      }
    }
  }
  
  
  PUT blog2
  {
    "mappings": {
      "properties": {
        "doc_count": {
          "type": "long"
        },
        "doc_content": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword"
            }
          }
        },
        "creater": {
          "type": "keyword"
        },
        "public_count": {
          "type": "alias",
          "path": "doc_count"
        },
        "public_content": {
          "type": "alias",
          "path": "doc_content"
        }
      }
    }
  }
  
  

• 插入测试数据

  POST _bulk
  { "index":{"_index":"blog1","_id":"1"}}
  {"creater":"zuiyu1","doc.count":"100","doc.content":"zuiyu elasticsearch "}
  { "index":{"_index":"blog1","_id":"2"}}
  {"creater":"zuiyu2","doc.count":"200","doc.content":"zuiyu vue"}
  { "index":{"_index":"blog1","_id":"3"}}
  {"creater":"zuiyu3","doc.count":"300","doc.content":"java demo"}
  { "index":{"_index":"blog1","_id":"4"}}
  {"creater":"zuiyu4","doc.count":"300","doc.content":"java demo plus"}
  { "index":{"_index":"blog1","_id":"5"}}
  {"creater":"zuiyu5","doc.count":"300","doc.content":"java pro and elasticsearch"}
  { "index":{"_index":"blog2","_id":"1"}}
  {"creater":"zuiyu1","doc_count":"10","doc_content":"醉鱼ES小白入门课"}
  { "index":{"_index":"blog2","_id":"2"}}
  {"creater":"zuiyu2","doc_count":"550","doc_content":"醉鱼前端 vue 小白入门课"}
  { "index":{"_index":"blog2","_id":"3"}}
  {"creater":"zuiyu3","doc_count":"60","doc_content":"醉鱼java小白入门课"}
  { "index":{"_index":"blog2","_id":"4"}}
  {"creater":"zuiyu4","doc_count":"60","doc_content":"醉鱼MySQL8.0小白入门课"}
  { "index":{"_index":"blog2","_id":"5"}}
  {"creater":"zuiyu5","doc_count":"60","doc_content":"醉鱼Redis小白入门课"}
  
  
  

• 搜索测试、聚合、排序、高亮、建议

  目标是实现搜索索引blog1
  和blog2
  中content
  内容中包含java
  的文档,因为两个索引的mapping
  结构完全不一样，所以使用定义的相同名称的public_count
  和public_content
  

• 聚合

  使用public_count
  字段搜索索引blog1
  和blog2
  中public_count
  大于100的文档，对public_count
  进行聚合分桶

  GET blog*/_search?size=0
  {
    "query": {
      "range": {
        "public_count": {
          "gte": 100
          }
      }
    },
    "aggs": {
      "all_agg": {
        "terms": {
          "field": "public_count"
        }
      }
    }
  }
  
  

• 排序

  使用public_count
  字段搜索索引blog1
  和blog2
  中public_count
  结果大于100的文档,对public_count
  进行降序输出

  GET blog*/_search
  {
    "query": {
      "range": {
        "public_count": {
          "gte": 100
          }
      }
    },
    "sort": [
      {
        "public_count": {
          "order": "desc"
        }
      }
    ]
  }
  
  

• 高亮

  使用public_content
  字段搜索索引blog1
  和blog2
  中包含java
  的，高亮输出，结果前后加上em
  标签

  GET blog*/_search
  {
    "query": {
      "wildcard": {
        "public_content": {
          "value": "*java*"
        }
      }
    },
    "highlight": {
      "fields": {
        "public_content": {
          "pre_tags": [
            "<em>"
          ],
          "post_tags": [
            "</em>"
          ]
        }
      }
    }
  }
  
  

• 建议

  使用public_count
  字段搜索索引blog1
  和blog2
  中搜索public_content
  中包含java
  的文档，输入一个错误单词jave
  ,建议返回java
  

  GET blog*/_search
  {
    "query": {
      "wildcard": {
        "public_content": {
          "value": "*java*"
        }
      }
    },
    "suggest": {
      "YOUR_SUGGESTION": {
        "text": "jave",
        "term": {
          "field": "public_content"
        }
      }
    }
  }
  
  

• _source
  测试

  使用_source
  测试返回字段public_count
  ，public_content
  ，因为字段别名是虚拟的，所以此时是没有返回结果的

  GET blog*/_search
  {
    "query": {
      "wildcard": {
        "public_content": {
          "value": "*java*"
        }
      }
    },
    "_source": [
      "public_count",
      "public_content"
    ]
  }
  
  

• 使用docvalue_fields
  请求字段获取

  GET blog*/_search
  {
    "query": {
      "wildcard": {
        "public_content": {
          "value": "*java*"
        }
      }
    },
     "docvalue_fields": [
      "public_count"
    ]
  }
  
  

使用场景

简单总结一下字段别名的使用场景：

• 文中的例子，可以对同一个人在不同博客网站上写的内容进行统计
• 获取采集的日志信息，不同的数据源，索引的日志mapping不一样，统计时就可以使用字段别名进行统一的统计