Elasticsearch采用了乐观锁来保证数据的一致性，即当用户对document（文档，即关系数据库中表里的一条数据）进行操作时，并不需要对该document做加锁、解锁的操作，只需要指定要操作的版本即可。当版本号一致时，Elasticsearch会允许该操作顺利进行，而当版本号存在冲突时，Elasticsearch会提示冲突并抛出异常（VersionConflictEngineException）。
1.1 内部控制
PUT lib/blog/2?version=6 { "id":4, "title": "正则语法", "content": "静态工厂，学习记录", "postdate": "2038-08-11", "url": "http://192.168.95.4:5601/app/kibana#/dev_tools/console?_g=()" }版本自动加1
Elasticsearch的版本号的取值范围为1到2^63-1。
内部版本控制：使用的时_version。
1.2 外部控制
外部版本控制：elasticsearch在处理外部版本号时会与内部版本号的处理有些不同。它不再是检查version是否与请求中指定的数据相同，而是检查当前的version是否比指定的数值小。如果请求成功，那么外部的版本号就会被存储到文档中的_version中。
为了保持_version与外部版本控制的数据一致，使用version_type=external 指定这是外部控制版本
二.自建Mapping
2.1什么是映射（类似于数据库中建表后指定表中每个属性的类型，长度等）
定义一个索引（index）的某个类型（type）的数据的结构 ，mapping定义了type中的每个字段的数据类型以及这些字段如何分词等相关属性，创建索引的时候,可以预先定义字段的类型以及相美属性,这样就能够把日期字处理成日明,把数字字股处理成数字,把字符吊字段处理字符串值等支持的数据类型。
2.2 查询ES自带的mapping
get lib/blog/_mapping
由此可以看出，如果创建时没有指定字段的类型，那么ES会以字段第一次加入的值生成相应的字段类型，如时间等，只需要第一次加入一个时间格式的的时间，生成的类型就是date。
2.3手动创建mapping
PUT /my_index1 { "settings": { "number_of_shards": 3, # 是数据分片数 "number_of_replicas": 0 # 是数据备份数 }, "mappings": { "books": { "properties": { "title": {"type": "text"}, "name": {"type": "text","analyzer":"standard"}, "publish_date": {"type": "date", "index": "false"}, "price": {"type": "double"}, "number": {"type": "integer"} } } } }PUT pd_template
{
"mappings": {
"log": {
"properties": {
"date":{
"type": "date",
"format": "yyyy-MM-dd H:mm:ss"
},
"cost":{
"type": "double"
},
"status":{
"type": "integer"
}
}
}
}
}
2.4 elasticsearch时支持数据类型的。
2.4.1 核心类型（Core datatype）
字符串：string，string类型包含 text 和 keyword。
text：该类型被用来索引长文本，在创建索引前会将这些文本进行分词，转化为词的组合，建立索引；允许es来检索这些词，text类型不能用来排序和聚合。
keyword：该类型不需要进行分词，可以被用来检索过滤、排序和聚合，keyword类型自读那只能用本身来进行检索（不可用text分词后的模糊检索）。
数字型：long、integer、short、byte、double、float
日期型：date
布尔型*：boolean
二进制型*：binary
除字符串类型以外，其他类型必须要进行精确查询，因为除字符串外其他类型不会进行分词。
2.4.2 数组类型（Array datatype），数组类型不需要专门指定数组元素的type，例如：
字符型数组：[“one”，“two”]
整型数组*：[1, 2]
数组型数组：[1, [2, 3]] 等价于 [1, 2, 3]
对象数组：[{“name”: “Mary”, “age”: 12}, {“name”: “John”, “age”: 10}]
对象类型（Object datatype）：object 用于单个Json对象
2.4.3 地理位置类型（Geo datatypes）
地理坐标类型（Geo-point datatype）：geo_point 用于经纬度坐标
地理形状类型（Geo-Shape datatype）：geo_shape 用于类似于多边形的复杂形状
2.4.4 特定类型（Specialised datatypes）
IPv4 类型（IPv4 datatype）：ip 用于IPv4 地址
Completion 类型（Completion datatype）：completion 提供自动补全建议
Token count 类型（Token count datatype）：token_count 用于统计做子标记的字段的index数目，该值会一直增加，不会因为过滤条件而减少
mapper-murmur3 类型：通过插件，可以通过murmur3来计算index的哈希值
附加类型（Attachment datatype）：采用mapper-attachments插件，可支持attachments索引，例如 Microsoft office 格式，Open Documnet 格式， ePub，HTML等
2.5 Mapping 支持属性
enabled：仅存储、不做搜索和聚合分析。
"enabled":true （缺省）| false
index：是否构建倒排索引（即是否分词，设置false，字段将不会被索引）。
"index": true（缺省）| falseindex_option：存储倒排索引的哪些信息4个可选参数 docs：索引文档号 freqs：文档号+词频 positions：文档号+词频+位置，通常用来距离查询 offsets：文档号+词频+位置+偏移量，通常被使用在高亮字段 分词字段默认时positions，其他默认时docs。
"index_options": "docs"
norms：是否归一化相关参数、如果字段仅用于过滤和聚合分析、可关闭分词字段默认配置，不分词字段：默认{“enable”: false}，存储长度因子和索引时boost，建议对需要参加评分字段使用，会额外增加内存消耗 "norms": {"enable": true, "loading": "lazy"}
doc_value：是否开启doc_value，用户聚合和排序分析对not_analyzed字段，默认都是开启，分词字段不能使用，对排序和聚合能提升较大性能，节约内存 "doc_value": true（缺省）| false
fielddata：是否为text类型启动fielddata，实现排序和聚合分析针对分词字段，参与排序或聚合时能提高性能，不分词字段统一建议使用doc_value "fielddata": {"format": "disabled"}
store：是否单独设置此字段的是否存储而从_source字段中分离，只能搜索，不能获取值 "store": false（默认）| true
coerce：是否开启自动数据类型转换功能，比如：字符串转数字，浮点转整型"coerce: true（缺省）| false"
multifields：灵活使用多字段解决多样的业务需求
dynamic：控制mapping的自动更新
"dynamic": true（缺省）| false | strict
data_detection：是否自动识别日期类型data_detection：true（缺省）| false
dynamic和data_detection的详解：Elasticsearch dynamic mapping（动态映射） 策略
analyzer：指定分词器，默认分词器为standard analyzer "analyzer": "ik"
boost：字段级别的分数加权，默认值是1.0 "boost": 1.23
fields：可以对一个字段提供多种索引模式，同一个字段的值，一个分词，一个不分词 "fields": {"raw": {"type": "string", "index": "not_analyzed"}}
ignore_above：超过100个字符的文本，将会被忽略，不被索引 "ignore_above": 100
include_in_all：设置是否此字段包含在_all字段中，默认时true，除非index设置成no "include_in_all": true
null_value：设置一些缺失字段的初始化，只有string可以使用，分词字段的null值也会被分词 "null_value": "NULL"
position_increament_gap：影响距离查询或近似查询，可以设置在多值字段的数据上或分词字段上，查询时可以指定slop间隔，默认值时100 "position_increament_gap": 0
search_analyzer：设置搜索时的分词器，默认跟analyzer是一致的，比如index时用standard+ngram，搜索时用standard用来完成自动提示功能 "search_analyzer": "ik"
similarity：默认时TF/IDF算法，指定一个字段评分策略，仅仅对字符串型和分词类型有效 "similarity": "BM25"
trem_vector：默认不存储向量信息，支持参数yes（term存储），with_positions（term+位置），with_offsets（term+偏移量），with_positions_offsets（term+位置+偏移量）对快速高亮fast vector highlighter能提升性能，但开启又会加大索引体积，不适合大数据量用 "trem_vector": "no"