ES 支持哪些数据类型，和 MySQL 之间的映射关系是怎么样的？

面试考察点

1. 基础掌握度：数据类型是 Mapping 的地基。面试官想知道你是真的建过索引、写过 DSL，还是只在项目里 “摸过” ES。

2. 选型能力：text 和 keyword 选错、金额用了 double，这些在线上都是实打实的事故。类型选型直接暴露你的实践深度。

3. 知识迁移能力：业务里最常见的场景就是 “MySQL 的数据同步到 ES 做搜索”。能不能把 MySQL 的概念、字段类型准确翻译成 ES 的，考察的是你对两套存储体系的理解，死记硬背应付不了追问。

核心答案

ES 的数据类型可以分成五大类：

和 MySQL 的概念映射一张表说清楚：

深度解析

一、先搞懂 ES 独有的 text 和 keyword

这是和 MySQL 差异最大的地方，也是面试的重头戏。

MySQL 的 VARCHAR 一个字段既 WHERE name = '手机' 精确匹配，又 LIKE '%手机%' 模糊查询，一个字段两副面孔。到了 ES 这里，拆成了两个类型：

PUT /product
{
  "mappings": {
    "properties": {
      "productName": {
        "type": "text",
        "analyzer": "ik_max_word",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          }
        }
      }
    }
  }
}

上面这段是生产环境最经典的写法，拆开看：

• text：会分词。写入 “小米折叠屏手机” 会被拆成 “小米”、“折叠屏”、“手机” 这些词条（term），建立倒排索引。适合全文检索，也就是 match 查询
• keyword：不分词，整条字符串原样进索引。适合精确匹配（term 查询）、排序、聚合。注意默认 ignore_above 是 256，超过 256 个字符的内容不会被索引，这是个经典坑
• fields 子字段：主字段用 text 做搜索，子字段用 keyword 做排序聚合。查询时用 productName.keyword 就能走精确匹配。一次定义，两种玩法

一句话记住：要搜用 text，要查（精确匹配）、要排序、要聚合用 keyword。生产上绝大多数字符串字段都是这个组合拳。

二、概念映射：从 MySQL 平移到 ES

对照着看就很清晰了：

• Database → Index：一个库对一个索引，隔离逻辑相同。但注意 ES 7.0 移除了 Type（就是老教程里 “Table 对应 Type” 的那个 Type），原因是 ES 的 Type 共用同一份 Lucene 索引，不同 Type 的字段会互相干扰，属于历史设计缺陷，8.x 彻底删干净了
• Row → Document：MySQL 一行是一条记录，ES 一条是一个 JSON 文档，字段结构可以不一样（Schema Free）
• Column → Field：字段的概念一致，但 ES 的字段类型在索引创建后不能改（底层是 Lucene 段的不可变结构），要改只能重建索引（reindex），这和 MySQL ALTER TABLE 的成本完全不是一个量级

三、字段类型映射表（重点背这个）

重点说说 DECIMAL → scaled_float 这个坑。ES 没有真正的十进制精确类型，double 存金额会有精度问题（0.1 + 0.2 ≠ 0.3 这个经典问题）。scaled_float 的原理是指定一个 scaling_factor（比如 100），底层实际存的是 long（价格 19.99 存成 1999），展示时再除回去，既省空间又精确。所以订单金额这种字段，要么 scaled_float，要么直接 long 存 “分”，别裸用 double。

四、动态映射的坑

如果你建索引时没写 Mapping，ES 会自动推断类型，这就是动态映射（Dynamic Mapping）。推断规则大致是：

• JSON 整数 → long（不是 integer）
• JSON 浮点数 → float（不是 double）
• true / false → boolean
• 字符串 → text + keyword 子字段
• 符合日期格式的字符串 → date（默认开启日期检测，date_detection）

坑就在最后一条：假设有个字段存商品编号，前几条数据恰好长得很像日期（比如 “2024-01-15”），ES 会把它推断成 date，后面再来一条普通编号 “SP001”，直接写入失败。所以生产环境一律建议显式定义 Mapping，关掉不该开的自动检测，别把类型推断交给运气。

面试高频追问

1. text 和 keyword 的区别？ 必问。分词 vs 不分词、match vs term、倒排索引怎么建，三板斧答下来就稳了。

2. 为什么 ES 7.0 要移除 Type？ 不同 Type 共用同一份底层 Lucene 索引，字段会互相干扰（A Type 里字段是 date，B Type 里同名字段就得是 date），设计上就不合理，官方干脆砍了。

3. nested 和 object 的区别？ object 会把嵌套数组 “拍平”，丢失对象之间的边界，查 “颜色=红 且 尺寸=XL” 会误命中 “红L + 蓝XL”；nested 给每个嵌套对象单独建索引文档，保住边界，代价是查询稍慢、更新麻烦。

4. MySQL 的数据怎么同步到 ES？ 双写、Canal 监听 binlog、Flink CDC、Logstash 定时拉取，各有优劣，能对比着说就是加分项。

5. 为什么 ES 的字段类型定义后不能改？ 底层 Lucene 段不可变，倒排索引结构建好就固定了。要改类型只能建新索引 + _reindex 迁移。

常见面试变体

• 变体一：“text 和 keyword 有什么区别，分别什么场景用？”
• 变体二：“MySQL 的 LIKE '%xx%' 和 ES 的全文检索有什么区别？”（考点：B+ 树无法利用前置 %，全表扫描 vs 倒排索引）
• 变体三：“为什么有了 MySQL 还要 ES？两者怎么选型？”

记忆口诀

类型选择：搜用 text，查排聚合 keyword；整数 long，小数 scaled；日期 date，一对多 nested。

概念映射：库索引、行文档、列字段、表映射——Table 没了，Mapping 顶上。

总结

ES 数据类型按 “核心、数字、时间、布尔、复杂” 五大类记，重点是 text/keyword 的组合拳和 scaled_float 存金额。和 MySQL 的映射按 “Database→Index、Row→Document、Column→Field、Schema→Mapping” 对照理解，再记住 Type 已死这条版本演进线。能顺嘴说出两三个生产坑（keyword 256 上限、动态映射误判 date、object 拍平），面试官对你的评价会直接上一个档次。