es mapping参数详解

一、前言
二、Mapping的设置
- 1. 创建Index的Mapping
- 2. 添加新的字段
- 3. 修改已存在字段的mapping
- 4. 查看mapping
三、Mapping参数
- 1. analyzer
- 2. boost
- 3. coerce
- 4. copy_to
- 5. doc_values
- 6. dynamic
- 7. eager_global_ordinals
- 8. enabled
- 9. format
- 10. ignore_above
- 11. ignore_malformed
- 12. index
- 13. index_options
- 14. fields
- 15. normalizer
- 16. norms
- 17. null_value
- 18. search_analyzer
- 19. store
- 20. term_vectors

一、前言

最近想整理下mapping的参数，感觉设计mapping时，那些参数还是挺重要的。

字段类型这次暂时不整理了，可以看官网文档，或我之前的博客。

Elasticsearch教程(19) 详解mapping之keyword
Elasticsearch教程(20) 详解mapping之date date_nanos
Elasticsearch教程(21) 详解mapping之boolean
Elasticsearch教程(22) 详解mapping之数值类型
Elasticsearch教程(23) 详解mapping之range
Elasticsearch教程(24) 详解mapping之object
Elasticsearch教程(25) 详解mapping之nested
Elasticsearch教程(26) mapping参数doc_values fielddata enabled

二、Mapping的设置

1. 创建Index的Mapping

下面的语句可以在没有创建Index的情况下执行，它执行完后，会自动创建Index。
当然也可以先创建Index，同时设置Index的Settings，然后再执行下面语句创建Mapping。

PUT pigg_test_store
{"mappings": {"properties": {"name": {"type": "keyword"},"age": {"type": "integer"},"address": {"type": "text","fields": {"keyword" : {"type" : "keyword","ignore_above" : 256}}},"birthday": {"type": "date"},"socres": {"type": "integer"},"chinese": {"type": "integer"},"math":{"type": "integer"},"english":{"type": "integer"}}}
}

2. 添加新的字段

如果要后加新的字段，可以按如下格式

PUT pigg_test_store/_mapping
{"properties": {"first_name": {"type": "keyword","index": false}}
}

3. 修改已存在字段的mapping

对于文档的mapping，一旦创建好，是不能直接修改字段的mapping的。
工作中一般有2种方法：

将数据导出备份，然后删除Index，重新创建mapping，再恢复导入数据
创建新的Index，并设置好新的mapping，用reindex把数据导入新的index

reindex的使用可以参考我以前的博客
Elasticsearch笔记(十九) reindex 重建索引，非常实用的功能

4. 查看mapping

查看index的整个mapping

GET pigg_test_store/_mapping

查看个别字段的mapping

查看first_name和name这2个字段的配置
GET /pigg_test_store/_mapping/field/first_name,name

三、Mapping参数

1. analyzer

analyzer定义文本字段的分词器，默认在文档的索引和查询时都会用到。
ES本身自带了很多分词器，但多为适合英语。如果要对中文分词，推荐安装ik分词器。

例如下面，title字段用es自带的standard。content用ik分词的ik_smart。

PUT pigg_blog
{"mappings": {"properties": {"title":{"type": "text","analyzer": "standard"},"content":{"type": "text","analyzer": "ik_smart"}}}
}

用_analyze可以测试分词器对文本的处理。

POST /_analyze
{"analyzer": "ik_smart","text": ["小跳蛙的宝宝"]
}返回
{"tokens" : [{"token" : "小跳蛙","start_offset" : 0,"end_offset" : 3,"type" : "CN_WORD","position" : 0},{"token" : "的","start_offset" : 3,"end_offset" : 4,"type" : "CN_CHAR","position" : 1},{"token" : "宝宝","start_offset" : 4,"end_offset" : 6,"type" : "CN_WORD","position" : 2}]
}

2. boost

boost 参数可以设置字段的权重。

其实从ES5.0就不建议在定义mapping的时候就设置boost，因为mapping设置后不方便修改。

建议在查询语句的时候加boost。

GET pigg_blog/_search
{"query": {"match": {"content": {"query": "宝宝","boost": 2}}}
}

3. coerce

coerce：是否开启自动数据类型转换功能, 默认是true(开启)
例如:

字符串"10"自动转数字10
浮点数10.0自动转整型10

实验: 创建一个index
field_one默认coerce为true
field_two设置coerce为false

PUT pigg_test_coerce
{"mappings": {"properties": {"field_one": {"type": "integer"},"field_two": {"type": "integer","coerce": false}}}
}

# 执行成功
PUT pigg_test_coerce/_doc/1
{"field_one": "10"
}
# 执行报错: failed to parse field [field_two] of type [integer] in document
PUT pigg_test_coerce/_doc/2
{"field_two": "10"
}

4. copy_to

copy_to这个属性，可以将多个字段的值，复制到同一个字段中。但是这个复制后的字段在_source中不存在，
想当一个虚拟的字段。

PUT pigg_user
{"mappings": {"properties": {"first_name": {"type": "text","copy_to": "full_name" },"last_name": {"type": "text","copy_to": "full_name" },"full_name": {"type": "text"}}}
}

PUT pigg_user/_doc/1
{"first_name": "John","last_name": "Smith"
}

返回的_source里不存在full_name

GET pigg_user/_doc/1{"_source" : {"first_name" : "John","last_name" : "Smith"
}

可以根据copy_to的字段进行检索

GET pigg_user/_search
{"query": {"match": {"full_name": { "query": "John Smith","operator": "and"}}}
}

5. doc_values

为了加快排序、聚合操作，在建立倒排索引的时候，额外增加一个列式存储映射，是一个空间换时间的做法。默认是开启的，对于确定不需要聚合或者排序的字段可以关闭。

在ES保持文档,构建倒排索引的同时doc_values就被生成了, doc_values数据太大时, 它存储在电脑磁盘上.
doc_values是列式存储结构, 它擅长做聚合和排序
对于非分词字段, doc_values默认值是true(开启的), 如果确定某字段不参与聚合和排序,可以把该字段的doc_values设为false
例如SessionID, 它是keyword类型, 对它聚合或排序毫无意义, 需要把doc_values设为false, 节约磁盘空间
分词字段不能用doc_values

实验: 创建index, session_id的doc_values为false

PUT pigg_test_docvalues
{"mappings":{"properties":{"status_code":{"type":"keyword"},"session_id":{"type":"keyword","doc_values":false}}}
}
# 插入下面2个文档
PUT pigg_test_docvalues/_doc/1
{"status_code": "200","session_id": "aaa"
}PUT pigg_test_docvalues/_doc/2
{"status_code": "500","session_id": "bbb"
}

测试对session_id进行检索

GET pigg_test_docvalues/_search
{"query": {"term": {"session_id": {"value": "aaa"}}}
}
返回有数据"hits" : [{"_index" : "pigg_test_docvalues","_type" : "_doc","_id" : "1","_score" : 0.6931471,"_source" : {"status_code" : "200","session_id" : "aaa"}}]

测试对session_id排序

GET pigg_test_docvalues/_search
{"sort": [{"session_id": {"order": "desc"}}]
}
返回报错
"caused_by" : {"type" : "illegal_argument_exception","reason" : "Can't load fielddata on [session_id] because fielddata is unsupported on fields of type [keyword]. Use doc values instead."
}

测试对session_id聚合

GET pigg_test_docvalues/_search
{"aggs": {"terms_by_sessionId": {"terms": {"field": "session_id"}}}
}
返回报错
"caused_by" : {"type" : "illegal_argument_exception","reason" : "Can't load fielddata on [session_id] because fielddata is unsupported on fields of type [keyword]. Use doc values instead."
}

6. dynamic

dynamic：是否允许根据文档动态添加mapping类型，默认true(允许)。
如果文档有个字段是object类型，这个object有哪些字段，一开始是不知道的，允许添加文档时，动态的生成它内部的字段。
添加一个mapping，其中social_networks字段是动态的。

PUT pigg_test_dynamic
{"mappings": {"dynamic": false, "properties": {"user": { "properties": {"name": {"type": "text"},"social_networks": { "dynamic": true,"properties": {}}}}}}
}

插入一个文档

PUT pigg_test_dynamic/_doc/1
{"user":{"name": "王老板","social_networks": {"name": "大舅","age":36,"address": "南京"}}
}

GET pigg_test_dynamic/_mapping返回结果如下，可以看到social_networks下有动态生成的字段。
{"pigg_test_dynamic" : {"mappings" : {"dynamic" : "false","properties" : {"user" : {"properties" : {"name" : {"type" : "text"},"social_networks" : {"dynamic" : "true","properties" : {"address" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}},"age" : {"type" : "long"},"name" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}}}}}}}}}
}

7. eager_global_ordinals

eager_global_ordinals：是否开启预加载全局序号，加快查询，默认false不开启。

此参数只支持text和keyword，keyword默认有eager_global_ordinals参数，而text需要设置fielddata属性。

因为Elasticsearch 是默认延迟加载fielddata到内存里的。当elasticsearch第一次遇到一个查询需要一个指定field的fielddata的时候，就会把索引的每个段中整个field加载到内存。

对于小段，这是个可以忽略不计的时间，但是如果你有一些非常大的fielddata到内存里，这个过程需要数十秒，习惯于秒内响应时间的用户会被网突如其来的迟钝所打击。

对于上面慢的问题新版有2个优化方法：

预加载FieldData
预加载Global Ordinals(全局序号)

这里说的eager_global_ordinals参数就是第二种方法。

PUT pigg_test_eagerPUT pigg_test_eager/_mapping
{"properties": {"tags": {"type": "keyword","eager_global_ordinals": true}}
}

8. enabled

enabled参数只用于object类型，默认值是true(开启)
为true时，ES会object里的所有字段进行索引操作, 这样就可以根据该字段检索文档
为false时，ES不去解析object里的字段，不会索引每个字段
当只需要返回该字段用于展示，而不需要索引某个字段时(例如session信息，我们很少用session作为查询条件)，可设置enabled=false
设置enabled=false的字段可以存任意类型的值, 包括JSON对象

实验如下:

PUT pigg_test_enabled
{"mappings": {"properties": {"name": {"enabled": false}}}
}

插入多种格式的值

PUT pigg_test_enabled/_doc/1
{"name": "winter"
}PUT pigg_test_enabled/_doc/2
{"name": {"first_name": "wang","last_name": "dong"}
}GET pigg_test_enabled/_search返回发现: 不同的值都可以存入"hits" : [{"_index" : "pigg_test_enabled","_type" : "_doc","_id" : "1","_score" : 1.0,"_source" : {"name" : "winter"}},{"_index" : "pigg_test_enabled","_type" : "_doc","_id" : "2","_score" : 1.0,"_source" : {"name" : {"first_name" : "wang","last_name" : "dong"}}}]# 查看mapping
GET pigg_test_enabled/_mapping返回如下: name类型是object, 并不会解析name在其下面添加first_name和last_name子字段
{"pigg_test_enabled" : {"mappings" : {"properties" : {"name" : {"type" : "object","enabled" : false}}}}
}

在enable=false的字段上检索文档, 是查询不到数据的

GET pigg_test_enabled/_search
{"query": {"term": {"name": {"value": "winter"}}}
}返回没有数据

9. format

format是日期字段，设置日期格式的，多个格式用||隔开。

date的格式可以被指定的，如果没有特殊指定，默认格式是"strict_date_optional_time||epoch_millis"。

epoch_millis就是从开始纪元（1970-01-01 00:00:00 UTC）开始的毫秒数-长整型。

#重建索引
PUT /test_date_index
{"mappings":{"properties":{"birthday":{"type":"date","format":"yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"}}}
}#2020/03/01 17:44:09的毫秒级时间戳
PUT /test_date_index/_doc/1
{"birthday": 1583055849000
}PUT /test_date_index/_doc/2
{"birthday": "2020-03-01 16:29:41"
}PUT /test_date_index/_doc/3
{"birthday": "2020-02-29"
}

10. ignore_above

ignore_above是在keywor类型下设置一个长度，当字符的长度超过ignore_above的值，那么它不会被索引。
首先随意往ES插一条数据：

put my_index/_doc/1
{"name": "李星云"
}

查看ES自动生成的mapping，name是text类型，其下还有子类型keyword，且"ignore_above" : 256

GET /my_index/_mappingname定义如下：
"properties" : {"name" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}}
}

对于keyword类型，可设置ignore_above限定字符长度。超过 ignore_above 的字符会被存储，但不会被倒排索引。比如ignore_above=4，”abc“，”abcd“，”abcde“都能存进ES，但是不能根据”abcde“检索到数据。

【1】创建一个keyword类型的字段，ignore_above=4

PUT test_index
{"mappings": {"_doc": {"properties": {"message": {"type": "keyword","ignore_above": 4}}}}
}

【2】向索引插入3条数据：

PUT /test_index/_doc/1
{"message": "abc"
}PUT /test_index/_doc/2
{"message": "abcd"
}PUT /test_index/_doc/3
{"message": "abcde"
}

此时ES倒排索引是：

词项	文档ID
abc	1
abcd	2
【3】根据message进行terms聚合：

GET /test_index/_search
{"size": 0, "aggs": {"term_message": {"terms": {"field": "message","size": 10}}}
}

返回结果：

{"took" : 2,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 3,"max_score" : 1.0,"hits" : [{"_index" : "test_index","_type" : "_doc","_id" : "2","_score" : 1.0,"_source" : {"message" : "abcd"}},{"_index" : "test_index","_type" : "_doc","_id" : "1","_score" : 1.0,"_source" : {"message" : "abc"}},{"_index" : "test_index","_type" : "_doc","_id" : "3","_score" : 1.0,"_source" : {"message" : "abcde"}}]},"aggregations" : {"term_message" : {"doc_count_error_upper_bound" : 0,"sum_other_doc_count" : 0,"buckets" : [#注意这分组里没有”abcde“{"key" : "abc","doc_count" : 1},{"key" : "abcd","doc_count" : 1}]}}
}

【4】根据”abcde“进行term精确查询,结果为空

GET /test_index/_search
{"query": {"term": {"message": "abcde"}}
}然后结果："hits" : {"total" : 0,"max_score" : null,"hits" : [ ]}

通过上面结果能知道”abcde“已经存入ES，也可以搜索出来，但是不存在词项”abcde“，不能根据”abcde“作为词项进行检索。
对于已存在的keyword字段，其ignore_above子属性可以修改，但只对新数据有效。

11. ignore_malformed

ignore_malformed 可以忽略不规则的数据，该参数默认为 false。

PUT pigg_test_ignore_malformed
{"mappings": {"properties": {"age1": {"type": "integer","ignore_malformed": true},"age2":{"type": "integer"}}}
}这个保存成功，忽略了验证"什么"不是数字
PUT pigg_test_ignore_malformed/_doc/1
{"age1": "什么"
}这个保存失败
PUT pigg_test_ignore_malformed/_doc/1
{"age2": "什么"
}

12. index

index默认是true
当设置为false，表明该字段不能被被检索, 不构建倒排索引，如果查询会报错。但是可以被store。
如果对字段进行term、terms 查询，聚合(aggregations)操作，脚本(script)操作以及用来排序(sort), 需要设为true。
和上面enabled有区别, index不能用在object类型上, enabled只能用在object类型上
实验: 创建一个索引, 其中words字段index=false

PUT pigg_test_index
{"mappings": {"properties": {"name": {"type": "keyword"},"words": {"type": "keyword","index": false}}}
}

#插入如下数据
PUT pigg_test_index/_doc/1
{"name": "亚瑟王","words": "死亡骑士, 不是死掉的骑士"
}PUT pigg_test_index/_doc/2
{"name": "扁鹊","words": "命长的是赢家"
}

查询文档, _source是有words的

 "hits" : [{"_index" : "pigg_test_index","_type" : "_doc","_id" : "1","_score" : 1.0,"_source" : {"name" : "亚瑟王","words" : "死亡骑士, 不是死掉的骑士"}},{"_index" : "pigg_test_index","_type" : "_doc","_id" : "2","_score" : 1.0,"_source" : {"name" : "扁鹊","words" : "命长的是赢家"}}]

在index=false的字段上检索文档

GET pigg_test_index/_search
{"query": {"term": {"words": {"value": "命长的是赢家"}}}
}

该查询会报错:

"caused_by" : {"type" : "illegal_argument_exception","reason" : "Cannot search on field [words] since it is not indexed."
}

13. index_options

index_options 控制索引时哪些信息被存储到倒排索引中（用在 text 字段中），有四种取值

index_options	说明
docs	只存文档的编号
freqs	在docs的基础上，存词项频率
positions	默认这个，在freqs的基础上，存词项位置偏移信息
offsets	在positions 的基础上，存词项开始和结束位置

PUT pigg_test_options
{"mappings": {"properties": {"text": {"type": "text","index_options": "offsets"}}}
}

14. fields

fields 参数可以让同一字段有多种不同的索引方式。
最常见的就text类型下面有个keywrod，这样可以用text下的keyword进行term 查询。

PUT pigg_test_fields
{"mappings": {"properties": {"city": {"type": "text","fields": {"raw": { "type":  "keyword"}}}}}
}

15. normalizer

normalizer 参数用于解析前（索引或者查询）的标准化配置。
比如，在 es 中，对于一些我们不想切分的字符串，我们通常会将其设置为 keyword，搜索时候也是使用整个词进行搜索。如果在索引前没有做好数据清洗，导致大小写不一致，此时，我们就可以使用 normalizer 在索引之前以及查询之前进行文档的标准化。

PUT index
{"settings": {"analysis": {"normalizer": {"my_normalizer": {"type": "custom","char_filter": [],"filter": ["lowercase"]}}}},"mappings": {"properties": {"foo": {"type": "keyword","normalizer": "my_normalizer"}}}
}

PUT index/_doc/1
{"foo": "BAR"
}PUT index/_doc/2
{"foo": "bar"
}下面语句能返回2个文档
GET index/_search
{"query": {"term": {"foo": "BAR"}}
}

16. norms

不分词的字段,默认 false
Norms 存储各种用于在查询时计算查询条件的相关性得分的标准化因子。
虽然norms 在计算相关性得分时非常有用, 但是同样需要消耗大量内存。
norms 的配置应该在字段和索引的设置上保持一致

PUT my_index/_mapping/_doc
{"properties": {"title": {"type": "text","norms": false}}
}

17. null_value

在 es 中，值为 null 的字段不索引也不可以被搜索，null_value 可以让值为 null 的字段显式的可索引、可搜索。

但是在工作中，null_value基本不用，因为在公司的环境中，人员水平参差不齐，各个项目组要通知知晓和维护这个null_value太难了。所以要用null_value得非常慎重，最好不用，不要去挖坑给后人。

对于null_value 易造成的混乱，看下面代码体会吧。

PUT users
{"mappings": {"properties": {"name":{"type": "keyword","null_value": "my_null"}}}
}PUT users/_doc/1
{"name":null,"age":99
}GET users/_search
{"query": {"term": {"name": "my_null"}}
}

18. search_analyzer

之前第一个analyzer，它定义文本字段的分词器，默认在文档的索引和查询时都会用到。
而search_analyzer是在查询时，先对要查询的text类型的输入做分词，再去倒排索引搜索。

如果想要让索引和查询时使用不同的分词器，ElasticSearch也是能支持的，只需要在字段上加上search_analyzer参数

PUT pigg_blog
{"mappings": {"properties": {"content":{"type": "text","analyzer": "ik_smart","search_analyzer": "standard"}}}
}

19. store

store默认false，如果设置为ture，那就会在_source的同级外面单独存下它原始值，就是不拆成词项的值。一般是_source中某个字段的值很大，但是要查询个别小的字段而查询_source是效率低的，如果把小的字段在_source外面也存一份，如果单独取它时，可以直接从store里取，而不用从_source中取。

PUT pigg_blog
{"mappings": {"properties": {"title":{"type": "text","analyzer": "standard","store": true},"author":{"type": "keyword","store": true},"content":{"type": "text","analyzer": "ik_smart","fields": {"length": {"type": "token_count","analyzer": "ik_smart"}}}}}
}

PUT pigg_blog/_doc/1
{"title": "宝贝ABC","author": "宝贝巴士","content": "宝贝,宝贝ABC"
}

GET pigg_blog/_doc/1?stored_fields=title,content{"_index" : "pigg_blog","_type" : "_doc","_id" : "1","_version" : 1,"_seq_no" : 0,"_primary_term" : 1,"found" : true,"fields" : {"title" : ["宝贝ABC"]}
}

20. term_vectors

term_vectors 是通过分词器产生的信息，包括：
一组 terms
每个 term 的位置
term 的首字符/尾字符与原始字符串原点的偏移量

设置term_vector

PUT pigg_blog
{"mappings": {"properties": {"text": {"type": "text","term_vector": "with_positions_offsets"}}}
}

要查看term_vectors的信息，可以如下：

GET pigg_blog/_termvectors/1?fields=content返回
{"_index" : "pigg_blog","_type" : "_doc","_id" : "1","_version" : 1,"found" : true,"took" : 363,"term_vectors" : {"content" : {"field_statistics" : {"sum_doc_freq" : 2,"doc_count" : 1,"sum_ttf" : 3},"terms" : {"abc" : {"term_freq" : 1,"tokens" : [{"position" : 2,"start_offset" : 5,"end_offset" : 8}]},"宝贝" : {"term_freq" : 2,"tokens" : [{"position" : 0,"start_offset" : 0,"end_offset" : 2},{"position" : 1,"start_offset" : 3,"end_offset" : 5}]}}}}
}

Elasticsearch教程(31) es mapping参数doc_values enabled ignore_above norms store详解相关推荐

开启注解缓存_Spring Boot 2.x基础教程：进程内缓存的使用与Cache注解详解
随着时间的积累,应用的使用用户不断增加,数据规模也越来越大,往往数据库查询操作会成为影响用户使用体验的瓶颈,此时使用缓存往往是解决这一问题非常好的手段之一.Spring 3开始提供了强大的基于注解的缓 ...
Android基础入门教程——8.3.5 Paint API之—— Xfermode与PorterDuff详解(二)
Android基础入门教程--8.3.5 Paint API之-- Xfermode与PorterDuff详解(二) 标签(空格分隔): Android基础入门教程本节引言: 上一节,我们学习了Xf ...
Linux系统与网络、磁盘参数和日志监控等命令详解二
创作人QQ:851301776,邮箱:lfr890207@163.com, 欢迎大家一起技术交流,本博客主要是自己学习的心得体会,只为每天进步一点点! 个人座右铭: 1.没有横空出世,只要厚积一定发. ...
助创cms众筹 php,【教程】助创cms众筹系统完整测试流程详解
原标题:[教程]助创cms众筹系统完整测试流程详解这两年提到互联网金融,不得不提的一个词语:众筹.的确相比飘忽不定的股市和频发跑路P2P,众筹具备低风险,收益高,周期短等各方面的优势.为了帮助更多朋 ...
WiFi无线网络参数 802.11a/b/g/n 详解
转载自:WiFi无线网络参数 802.11a/b/g/n 详解如转载侵犯您的版权,请联系:2378264731@qq.com 802.11a/b/g/n,其实指的是无线网络协议,细分为802.11a ...
Oracle11g安装教程、配置实例、监听、客户端程序详解_Windows篇
Oracle11g安装教程.配置实例.监听.客户端程序详解_Windows篇文章目录 Oracle11g安装教程.配置实例.监听.客户端程序详解_Windows篇前言一.数据库的安装前准备,前提 ...
torch.randn()参数size与输出张量形状详解
torch.randn()参数size与输出张量形状详解 torch.randn(*size, *, out=None, dtype=None, layout=torch.strided, devic ...
python url解码_对python中url参数编码与解码的实例详解
一.简介在python中url,对于中文等非ascii码字符,需要进行参数的编码与解码. 二.关键代码 1.url编码对字符串编码用urllib.parse包下的quote(string, saf ...
C#进阶系列——WebApi 接口参数不再困惑：传参详解
看这边文章时的疑惑是:WebApi中的参数加了[FromBody],不知所以然,就百度了下,看到了以下文章,和大家分享下: 原文链接:http://www.cnblogs.com/landeanfen ...
java 类参数_Java的数据类型和参数传递(详解)
Java提供的数据类型主要分为两大类:基本数据类型和引用数据类型. Java中的基本数据类型名称大小取值范围 byte型 (字节) 8bit -128-127 (-2^7到2^7-1) shor ...

Elasticsearch教程(31) es mapping参数doc_values enabled ignore_above norms store详解