Mapping & Dynamic Mapping

 1️⃣ Mapping কি?

Mapping = Index এর structure বা schema

1. কোন field কোন type হবে (text, keyword, number, date ইত্যাদি)

2. কোন field analyzed হবে কি না (searchable কি শুধু stored)

উদাহরণ:

{
  "mappings": {
    "properties": {
      "name": { "type": "text" },
      "age": { "type": "integer" },
      "joined_date": { "type": "date" }
    }
  }
}

1. এখানে আমরা index create করার সময় field type declare করেছি।

---

2️⃣ Dynamic Mapping কি?

1. Dynamic Mapping = OpenSearch automatic ভাবে new field detect করে এবং type assign করে।

2. তুমি যদি নতুন field insert করো যেটা আগে mapping-এ নেই → OpenSearch নিজেই decide করবে field type।

উদাহরণ:

1️⃣ Index তৈরি করো (Mapping declare ছাড়া):

PUT /students
{
  "mappings": {
    "dynamic": true
  }
}

2️⃣ Document insert করো:

POST /students/_doc
{
  "name": "Ali",
  "age": 23,
  "joined_date": "2026-03-12",
  "department": "CSE"
}

1. department field আগেই mapping-এ ছিল না।

2. Dynamic Mapping active থাকায় OpenSearch automatically department field কে text type হিসেবে create করল।

---

3️⃣ Dynamic Mapping-এর Rules

1. Numbers: যদি number value দেন → integer বা float হবে।

2. String: যদি text দিলে → text type।

3. Boolean: true/false দিলে → boolean type।

4. Date: ISO format (2026-03-12) দিলে → date type।

5. Objects / Nested JSON: OpenSearch nested mapping বানাবে।

---

4️⃣ Dynamic Mapping Options

1️⃣ dynamic: true

1. ডিফল্ট।

2. নতুন field auto detect হবে।

2️⃣ dynamic: false

1. নতুন field ignore হবে।

2. শুধু আগে declared field update হবে।

3️⃣ dynamic: strict

1. যদি নতুন field আসে → error generate হবে।

2. Useful for production যেখানেই unknown field accept করা যাবে না।

উদাহরণ:

PUT /students
{
  "mappings": {
    "dynamic": "strict",
    "properties": {
      "name": { "type": "text" }
    }
  }
}

1. যদি তুমি age insert করো → OpenSearch error দিবে।

---

5️⃣ Dynamic Mapping এর সুবিধা

✅ Auto field detection → schema declare না করেও ডেটা insert করতে পারো
✅ Flexible → নতুন field আসলেও system crash হবে না
✅ Rapid prototyping → প্রথমে test data insert করা সহজ

Limitations:

1. বড় project বা production → recommended strict mapping + manual mapping

2. Auto-detected type ভুল হতে পারে → পরে query error হতে পারে

---

6️⃣ Professional Example

PUT /employees
{
  "mappings": {
    "dynamic": true,
    "properties": {
      "name": { "type": "text" },
      "salary": { "type": "float" }
    }
  }
}

POST /employees/_doc
{
  "name": "Sara",
  "salary": 50000,
  "department": "IT",   <-- dynamic mapping auto created
  "joining_date": "2026-03-12"  <-- auto detected as date
}

1. department → text

2. joining_date → date

---

💡 Tip:

1. Learning: প্রথমে dynamic:true দিয়ে practice করো

2. Production: mapping explicitly declare করো + dynamic:false/strict

---

****************************************************************************

 

 

"title": {                   
  "type": "text",            
  "analyzer": "standard"     
} 

 

ঠিক আছে! এবার আমি তোমাকে OpenSearch-এ analyzer property সম্পূর্ণ সহজভাবে ব্যাখ্যা করি, step by step, উদাহরণসহ।

---

1️⃣ Analyzer মানে কি?

Analyzer = text কে small pieces বা tokens এ ভাগ করার নিয়ম।

1. OpenSearch যখন text type field index করে → সেটা analyze করে।

2. Analyze মানে: শব্দগুলোকে ছোট ছোট অংশে ভেঙে, stop words বাদ দেওয়া, lowercase করা ইত্যাদি।

3. এর মাধ্যমে search efficient হয়।

উদাহরণ:

"The Quick Brown Fox"

1. Standard analyzer → ["the", "quick", "brown", "fox"]

2. Lowercase করে → ["the", "quick", "brown", "fox"]

3. Stop words remove করলে → ["quick", "brown", "fox"]

---

2️⃣ Analyzer কবে ব্যবহার হয়?

1. শুধু text field type এর জন্য।

2. উদাহরণ Mapping:

3. "title": {
     "type": "text",
     "analyzer": "standard"
   }
   

4. যখন তুমি search করবে → এই analyzer ব্যবহার করে text tokenized হবে।

---

3️⃣ Predefined/Default Analyzers

OpenSearch এ কিছু common analyzer আছে:

Analyzer Name	ব্যাখ্যা
standard	Default, English stop words, lowercase, tokenization
simple	শুধু lowercase, punctuation remove
whitespace	শুধু whitespace (space) দিয়ে split করে
stop	English stop words remove করে (like “the”, “is”)
keyword	পুরো string as-is রাখে, কোনো tokenization না করে
pattern	Regular expression ব্যবহার করে tokenize
fingerprint	duplicate detection, normalize করে
language	language-specific analyzer, যেমন english, spanish

---

4️⃣ Example Mapping with Different Analyzers

PUT /books
{
  "mappings": {
    "properties": {
      "title_standard": { "type": "text", "analyzer": "standard" },
      "title_whitespace": { "type": "text", "analyzer": "whitespace" },
      "title_keyword": { "type": "text", "analyzer": "keyword" }
    }
  }
}

---

5️⃣ Sample Input Document

POST /books/_doc
{
  "title_standard": "The Quick Brown Fox",
  "title_whitespace": "The Quick Brown Fox",
  "title_keyword": "The Quick Brown Fox"
}

1. title_standard → ["the", "quick", "brown", "fox"]

2. title_whitespace → ["The", "Quick", "Brown", "Fox"]

3. title_keyword → ["The Quick Brown Fox"]

💡 দেখছো: keyword analyzer পুরো string একটিমাত্র token হিসেবে রাখে।

---

6️⃣ Professional Tip

1. Full-text search → standard বা language-specific analyzer

2. Filter/Exact match → keyword

3. Special cases → pattern বা custom analyzer