多元索引除了提供Long、Double、Boolean、Keyword、Text、Date、GeoPoint、Vector等基本类型外，还提供了数组类型和嵌套类型两种特殊类型。数组类型适用于存储一系列相同类型的数据，嵌套类型适用于存储具有层级结构的数据，类似于JSON。
数组类型
数组类型仅是多元索引中的概念，数据表中还未支持数组。
向量Vector类型暂时不支持数组。
数组类型属于附加类型，可以附加在Long、Double、Boolean、Keyword、Text、Date、Geopoint等基本类型之上。例如Long类型+数组后，即为长整型数组，该字段中可以包括多个长整型数字，查询数据时其中任何一个匹配都可以返回该行数据。数据类型适用于存储一系列相同类型的数据。
数组格式
多元索引的基本类型数组格式请参见下表。
数组类型 | 说明 |
Long Array | 长整型的数组形式，格式为 |
Double Array | 浮点数的数组形式，格式为 |
Boolean Array | 布尔值的数组形式，格式为 |
Keyword Array | 字符串的数组形式，格式为JSON Array，例如 |
Text Array | 文本的数组形式，格式为JSON Array，例如 对于Text类型，一般无需使用数组形式。 |
Date Array | 日期的数组形式。如果日期类型为整型，则格式为 |
Geopoint Array | 地理位置点的数组形式，格式为 |
使用说明
对于多元索引中数组类型的字段，在数据表中必须为String类型，且对应的多元索引中的类型必须为相应的类型，例如Long、Double等。如果字段price是Double Array数组类型，则在数据表中price必须为String类型，在对应的多元索引中的类型必须为Double类型，且附加isArray=true属性。
嵌套类型
嵌套类型（Nested）代表嵌套文档类型。嵌套文档是指对于一行数据（文档）可以包含多个子行（子文档），多个子行保存在一个嵌套类型字段中。嵌套类型适用于存储具有层级结构的数据。
对于嵌套类型字段，需要指定其子行的结构，即子行中包含哪些字段以及每个字段的属性。嵌套类型也是类似数组的多值结构，但是更接近JSON类型。
嵌套格式
根据数据的层级结构不同，嵌套类型包括单层级嵌套类型和多层级嵌套类型。具体说明请参见下表。
嵌套类型 | 说明 |
单层级嵌套类型 | 在一个数据结构中只包含一层其他数据结构，结构相对简单，能表示一定的层次关系。单层级嵌套类型适用于不需要过多层级但需要一定层级结构的场景。示例如下： |
多层级嵌套类型 | 在一个数据结构中包含了多层嵌套的其他数据结构，具有更复杂的层次关系。多层级嵌套类型适用于需要表示丰富层次、高度模块化或高度组织化的数据模型。示例如下： |
使用说明
对于多元索引中嵌套类型的字段，在数据表中必须为String类型，且对应的多元索引中的类型必须为嵌套类型。嵌套类型字段只能使用嵌套类型查询功能进行数据查询。
在写入数据到数据表时，多元索引嵌套类型字段对应数据表字段的写入格式必须为JSON对象的数组格式，例如[{"tagName":"tag1", "score":0.8}, {"tagName":"tag2", "score":0.2}]。
即使只有一个子行，也必须按照JSON数组的格式构造字符串。
使用示例
单层级嵌套类型示例
单层级嵌套类型支持通过控制台或者SDK进行创建。
以Java代码为例介绍创建单层级嵌套类型。示例中嵌套类型字段的名称为tags，子行中包含两个字段，如下图所示。
一个字段名称为tagName，类型为字符串类型（Keyword）。
一个字段名称为score，类型为浮点数（Double）。
写入数据表时的数据样例为[{"tagName":"tag1", "score":0.8}, {"tagName":"tag2", "score":0.2}]。
//构造子行的FieldSchema。
List<FieldSchema> subFieldSchemas = new ArrayList<FieldSchema>();
subFieldSchemas.add(new FieldSchema("tagName", FieldType.KEYWORD)
.setIndex(true).setEnableSortAndAgg(true));
subFieldSchemas.add(new FieldSchema("score", FieldType.DOUBLE)
.setIndex(true).setEnableSortAndAgg(true));
//将子行的FieldSchema设置到嵌套类型字段的subfieldSchemas中。
FieldSchema nestedFieldSchema = new FieldSchema("tags", FieldType.NESTED)
.setSubFieldSchemas(subFieldSchemas);多层级嵌套类型示例
多层级嵌套类型只能通过SDK进行创建。
以Java示例代码为例介绍创建多层级嵌套类型。示例中嵌套类型字段的名称为user，子行中包含三个基础类型字段和一个嵌套类型字段。
一个字段名称为name，类型为字符串类型（Keyword）。
一个字段名称为age，类型为长整型（Long）。
一个字段名称为phone，类型为字符串类型（Keyword）。
一个嵌套类型字段的名称为address，子行中包含的三个字段名称分别为province、city和street，类型均为字符串类型（Keyword）。
写入数据表时的数据样例为[ {"name":"张三","age":20,"phone":"1390000****","address":[{"province":"浙江省","city":"杭州市","street":"阳光大道幸福小区1201号"}]}]。
//构造嵌套类型字段address的子行FieldSchema，子行中包含三个字段。查询子行中字段的数据时，子行中字段的路径为user.address。
List<FieldSchema> addressSubFiledSchemas = new ArrayList<>();
addressSubFiledSchemas.add(new FieldSchema("province",FieldType.KEYWORD));
addressSubFiledSchemas.add(new FieldSchema("city",FieldType.KEYWORD));
addressSubFiledSchemas.add(new FieldSchema("street",FieldType.KEYWORD));
//构造嵌套类型字段user的子行FieldSchema，子行中包含三个基础类型字段和一个嵌套类型字段address。查询子行中字段的数据时，子行中字段的路径为user。
List<FieldSchema> subFieldSchemas = new ArrayList<>();
subFieldSchemas.add(new FieldSchema("name",FieldType.KEYWORD));
subFieldSchemas.add(new FieldSchema("age",FieldType.LONG));
subFieldSchemas.add(new FieldSchema("phone",FieldType.KEYWORD));
subFieldSchemas.add(new FieldSchema("address",FieldType.NESTED).setSubFieldSchemas(addressSubFiledSchemas));
//将嵌套类型字段user的子行FieldSchema设置到嵌套类型字段的subfieldSchemas中。
List<FieldSchema> fieldSchemas = new ArrayList<>();
fieldSchemas.add(new FieldSchema("user",FieldType.NESTED).setSubFieldSchemas(subFieldSchemas));嵌套类型的局限性
由于含有嵌套类型字段的多元索引不支持索引预排序（IndexSort），而索引预排序功能在很多场景下可以带来很大性能提升。
如果使用含有嵌套类型字段的多元索引查询数据且需要翻页，则必须在查询条件中指定数据返回的排序方式，否则当符合查询条件的数据未读取完时，服务端不会返回nextToken。
嵌套类型的查询性能相比其他类型的查询性能更低一些。
嵌套类型除了上述局限性外，和非嵌套类型支持的功能相同，支持所有的查询类型、排序和统计聚合。
相关文档
多元索引查询类型包括精确查询、多词精确查询、全匹配查询、匹配查询、短语匹配查询、前缀查询、范围查询、通配符查询、模糊查询、多条件组合查询、地理位置查询、嵌套类型查询、向量检索介绍与使用和列存在性查询，您可以选择合适的查询类型进行多维度数据查询。
如果要对结果集进行排序或者翻页，您可以使用排序和翻页功能来实现。具体操作，请参见排序和翻页。
如果要按照某一列对结果集做折叠，使对应类型的数据在结果展示中只出现一次，您可以使用折叠（去重）功能来实现。具体操作，请参见折叠（去重）。
如果要进行数据分析，例如求最值、求和、统计行数等，您可以使用Search接口的统计聚合功能或者SQL查询来实现。具体操作，请参见统计聚合和SQL查询。
如果要快速导出数据，而不关心整个结果集的顺序时，您可以使用ParallelScan接口和ComputeSplits接口实现多并发导出数据。具体操作，请参见并发导出数据。