基本类型
1. 字符串
字符串类型被分为两种情况：full-text 和 keywords。
full-text 表示字段内容会被分析，而 keywords 表示字段值只能作为一个精确值查询。
参数：
analyzer、boost、doc_values、fielddata、fields、ignore_above、include_in_all、index、index_options、norms、null_value、position_increment_gap、store、search_analyzer、search_quote_analyzer、similarity、term_vector
2. 数值
数值类型包括： long, integer, short, byte, double, float 。
参数：
coerce、boost、doc_values、ignore_malformed、include_in_all、index、null_value、precision_step、store
3. 日期
JSON 本身并没有日期数据类型，在 ES 中的日期类型可以是：
- 类似
"2015-01-01"or"2015/01/01 12:10:30" 的字符串 long 类型的毫秒级别的时间戳int 类型的秒级别的时间戳
日期类型默认会被转换为 UTC 并且转换为毫秒级别的时间戳的 long 类型存储。
日期类型如果不指定 format ，将会以默认格式表示。
参数：
boost、doc_values、format、ignore_malformed、include_in_all、index、null_value、precision_step、store
4. 布尔
布尔假： false, "false", "off", "no", "0", "" (empty string), 0, 0.0 。
布尔真： 任何不为假的值。
像 terms aggregation 聚合，是使用 1 和 0 来作为 key 的，key_as_string 则是用字符串 true 和 false
布尔类型的值，在 scripts 中则始终返回 1 或 0
参数：
boost、doc_values、index、null_value、store
5. 二进制
二进制类型以 Base64 编码方式接收一个二进制值，二进制类型字段默认不存储，也不可搜索。
参数：doc_values、store
复杂类型
1. 对象
JSON 格式本身是分层级的——文档可以包含对象，对象还可以包含子对象。不过，在 ES 内部 "对象" 被索引为一个扁平的键值对。
例如：
PUT my_index/my_type/1 { "region": "US", "manager": { "age": 30, "name": { "first": "John", "last": "Smith" } } }
转换为：
{ "region": "US", "manager.age": 30, "manager.name.first": "John", "manager.name.last": "Smith" //层级结构被以 "." 来表示。 }
2. 数组
数组类型，要求数组元素的数据类型必须一致。
- 字符串数组: [
"one","two"] - 数字数组: [
1,2] - 数组数组: [
1, [2,3]] which is the equivalent of [1,2,3] - 对象数组: [
{ "name": "Mary", "age": 12 },{ "name": "John", "age": 10 }]
数组元素的数据类型，将会由其第一个元素的数据类型决定。
对象数组，在 ES 内部将会被转换为 "多值" 的扁平数据类型。后面将会详解这一点。
例如：
PUT my_index/my_type/1 { "group" : "fans", "user" : [ { "first" : "John", "last" : "Smith" }, { "first" : "Alice", "last" : "White" } ] }
转转为：
{ "group" : "fans", "user.first" : [ "alice", "john" ], "user.last" : [ "smith", "white" ] }
3. 对象数组
对象数组在 ES 内部，会把所有数组元素（即对象）合并，对象中的每一个字段被索引为一个 "多值" 字段。这将导致每个数组元素（对象）内部的字段关联性丢失，解决的方法是使用 nested 类型。
例如：
PUT my_index/my_type/1 { "region": "US", "manager": { "age": 30, "name": [ { "first": "John", "last": "Smith" }, { "first": "Bob", "last": "Leo" } ] } }
转换为：
{ "region": "US", "manager.age": 30, "manager.name.first": "John Bob", "manager.name.last": "Smith Leo" } // 如果我们搜索： "bool": { "must": [ { "match": { "manager.name.first": "John" }}, // John Smith { "match": { "manager.name.last": "Leo"}} // Bob Leo ] } //这将会导致导致文档被命中，显然，John Smith 、Bob Leo 两组字段它们内在的关联性都丢失了
参数：
dynamic、enabled、include_in_all、properties
4. 嵌套(nested)
嵌套类型是一个特殊对象类型，嵌套类型允许对对象数组的每一个元素（对象）相互独立的进行查询，也即他们不会被合并为一个对象。
嵌套类型的文档可以：
- 用
nested查询来查询 - 用
nested来分析以及reverse_nested来聚合 - 用 nested sorting 来排序
- 用 nested inner hits 来检索或高亮
例如：
PUT my_index/my_type/1 { "region": "US", "manager": { "age": 30, "name": [ { "first": "John", "last": "Smith" }, { "first": "Bob", "last": "Leo" } ] } }
转换为：
{ "region": "US", "manager.age": 30, { "manager.name.first": "John", "manager.name.last": "Smith" }, { "manager.name.first": "Bob", "manager.name.last": "Leo" } } // 如果我们搜索： "bool": { "must": [ { "match": { "manager.name.first": "John" }}, // John Smith { "match": { "manager.name.last": "Leo"}} // Bob Leo ] } //这样的查询将不能命中文档！！！
参数：
dynamic、include_in_all、properties
专有类型
1. IPV4类型
IPV4 数据类型其实质是个 long 类型，不过其能接收一个 IPV4 地址并且将他转换为 long 类型存放。
参数：
boost、doc_values、include_in_all、index、null_value、precision_step、store