ElasticSearch目录
文章目录
一、mysql中一对多的关系二、ES处理一对多关系的方案
2.2.1、嵌套循环的查询 2.3、父子文档
2.3.1、父子文档的查询
无条件查询has_child 查询has_parent查询parent_id查询 2.4、总结
一、mysql中一对多的关系很多时候mysql的表之间是一对多的关系，比如订单表和商品表。一笔订单可以包含多个商品。他们的关系如下图所示。
ElasticsSearch（以下简称ES）处理这种关系虽然不是特别擅长（相对于关系型数据库），因为ES和大多数 NoSQL 数据库类似，是扁平化的存储结构。索引是独立文档的集合体。不同的索引之间一般是没有关系的。
不过ES目前毕竟发展到7.x版本了， 已经有几种可选的方式能够高效的支持这种一对多关系的映射。
比较常用的方案是嵌套对象，嵌套文档和父子文档。后两种是我们本文要讲的重点。
下面聚合分析使用的数据都是kibana自带的，这样方便实际测试示例。
二、ES处理一对多关系的方案 2.1、普通内部对象kibana自带的电商数据就是这种方式，我们来看看它的mapping。
"kibana_sample_data_ecommerce" : {
"mappings" : {
"properties" : {
"category" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword"
}
}
},
"currency" : {
"type" : "keyword"
},
"customer_full_name" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
//省略部分
"products" : {
"properties" : {
"_id" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"base_price" : {
"type" : "half_float"
},
"base_unit_price" : {
"type" : "half_float"
},
"category" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword"
}
}
},
"created_on" : {
"type" : "date"
},
"discount_amount" : {
"type" : "half_float"
},
"discount_percentage" : {
"type" : "half_float"
},
"manufacturer" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword"
}
}
},
"min_price" : {
"type" : "half_float"
},
"price" : {
"type" : "half_float"
},
"product_id" : {
"type" : "long"
},
"product_name" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword"
}
},
"analyzer" : "english"
},
"quantity" : {
"type" : "integer"
},
"sku" : {
"type" : "keyword"
},
"tax_amount" : {
"type" : "half_float"
},
"taxful_price" : {
"type" : "half_float"
},
"taxless_price" : {
"type" : "half_float"
},
"unit_discount_amount" : {
"type" : "half_float"
}
}
},
"sku" : {
"type" : "keyword"
},
"taxful_total_price" : {
"type" : "half_float"
},
//省略部分
我们可以看到电商的订单索引里面包含了一个products的字段，它是对象类型，内部有自己的字段属性。这其实就是一个包含关系，表示一个订单可以有多个商品信息。我们可以查询下看看结果，
查询语句：
POST kibana_sample_data_ecommerce/_search
{
"query": {
"match_all": {}
}
}
返回结果（我去掉了一些内容方便观察）:
"hits" : [
{
"_index" : "kibana_sample_data_ecommerce",
"_type" : "_doc",
"_id" : "VJz1f28BdseAsPClo7bC",
"_score" : 1.0,
"_source" : {
"customer_first_name" : "Eddie",
"customer_full_name" : "Eddie Underwood",
"order_date" : "2020-01-27T09:28:48+00:00",
"order_id" : 584677,
"products" : [
{
"base_price" : 11.99,
"discount_percentage" : 0,
"quantity" : 1,
"sku" : "ZO0549605496",
"manufacturer" : "Elitelligence",
"tax_amount" : 0,
"product_id" : 6283,
},
{
"base_price" : 24.99,
"discount_percentage" : 0,
"quantity" : 1,
"sku" : "ZO0299602996",
"manufacturer" : "Oceanavigations",
"tax_amount" : 0,
"product_id" : 19400,
}
],
"taxful_total_price" : 36.98,
"taxless_total_price" : 36.98,
"total_quantity" : 2,
"total_unique_products" : 2,
"type" : "order",
"user" : "eddie",
"region_name" : "Cairo Governorate",
"continent_name" : "Africa",
"city_name" : "Cairo"
}
}
},
可以看到返回的products其实是个list，包含两个对象。这就表示了一个一对多的关系。
这种方式的优点很明显，由于所有的信息都在一个文档中,查询时就没有必要去ES内部没有必要再去join别的文档，查询效率很高。那么它优缺点吗？
当然有，我们还用上面的例子，如下的查询：
GET kibana_sample_data_ecommerce/_search
{
"query": {
"bool": {
"must": [
{ "match": { "products.base_price": 24.99 }},
{ "match": { "products.sku":"ZO0549605496"}},
{ "match": { "order_id": "584677"}}
]
}
}
}
我这里搜索有三个条件，order_id，商品的价格和sku，事实上同时满足这三个条件的文档并不存在（sku=ZO0549605496的商品价格是11.99）。但是结果却返回了一个文档，这是为什么呢？
原来在ES中对于json对象数组的处理是压扁了处理的，比如上面的例子在ES存储的结构是这样的：
{
"order_id": [ 584677 ],
"products.base_price": [ 11.99, 24.99... ],
"products.sku": [ ZO0549605496, ZO0299602996 ],
...
}
很明显，这样的结构丢失了商品金额和sku的关联关系。
如果你的业务场景对这个问题不敏感，就可以选择这种方式，因为它足够简单并且效率也比下面两种方案高。
2.2、嵌套文档很明显上面对象数组的方案没有处理好内部对象的边界问题，JSON数组对象被ES强行存储成扁平化的键值对列表。为了解决这个问题，ES推出了一种所谓的嵌套文档的方案，官方对这种方案的介绍是这样的：
The nested type is a specialised version of the object datatype that allows arrays of objects to be indexed in a way that they can be queried independently of each other.
可以看到嵌套文档的方案其实是对普通内部对象这种方案的补充。上面那个电商的例子mapping太长了，换个简单一些的例子，只要能说明问题就行了。
先设置给索引设置一个mapping:
PUT test_index
{
"mappings": {
"properties": {
"user": {
"type": "nested"
}
}
}
}
user属性是nested，表示是个内嵌文档。其它的属性这里没有设置，让es自动mapping就可以了。
插入两条数据:
PUT test_index/_doc/1
{
"group" : "root",
"user" : [
{
"name" : "John",
"age" : 30
},
{
"name" : "Alice",
"age" : 28
}
]
}
PUT test_index/_doc/2
{
"group" : "wheel",
"user" : [
{
"name" : "Tom",
"age" : 33
},
{
"name" : "Jack",
"age" : 25
}
]
}
2.2.1、嵌套循环的查询
查询的姿势是这样的:
GET test_index/_search
{
"query": {
"nested": {
"path": "user",
"query": {
"bool": {
"must": [
{ "match": { "user.name": "Alice" }},
{ "match": { "user.age": 28 }}
]
}
}
}
}
}
注意到nested文档查询有特殊的语法，需要指明nested关键字和路径（path），再来看一个更具代表性的例子，查询的条件在主文档和子文档都有:
GET test_index/_search
{
"query": {
"bool": {
"must": [
{
"match": { "group": "root" }
},
{
"nested": {
"path": "user",
"query": {
"bool": {
"must": [
{
"match": { "user.name": "Alice" }
},
{
"match": { "user.age": 28 }
}
]
}
}
}
}
]
}
}
}
说了这么多，似乎嵌套文档很好用啊。
没有前面那个方案对象边界缺失的问题，用起来似乎也不复杂。那么它有缺点吗？当然，我们先来做个试验。
先看看当前索引的文档数量:
GET _cat/indices?v
查询结果：
green open test_index FJsEIFf_QZW4Q4SlZBsqJg 1 1 6 0 17.7kb 8.8kb
你可能已经注意到我这里查看文档数量并不是用的下面这个命令：
GET test_index/_count
而是直接查看的索引信息，前者可以看到底层真实的文档数量。
是不是很奇怪问啥文档的数量是6而不是2呢？这是因为nested子文档在ES内部其实也是独立的lucene文档，只是我们在查询的时候，ES内部帮我们做了join处理。最终看起来好像是一个独立的文档一样。
那可想而知同样的条件下，这个性能肯定不如普通内部对象的方案。在实际的业务应用中要根据实际情况决定是否选择这种方案。
2.3、父子文档我们还是看上面那个例子，假如我需要更新文档的group属性的值，需要重新索引这个文档。尽管嵌套的user对象我不需要更新，他也随着主文档一起被重新索引了。
还有就是如果某个表和多个表 都有着 一对多的关系，也就是一个子文档可以属于多个主文档的场景，用nested无法实现。
下面来看示例。
首先我们定义mapping，如下：
PUT my_index
{
"mappings": {
"properties": {
"my_id": {
"type": "keyword"
},
"my_join_field": {
"type": "join",
"relations": {
"question": "answer"
}
}
}
}
}
my_join_field是给我们的父子文档关系的名字，这个可以自定义，此字段用处挺多的。
join关键字表示这是一个父子文档关系，
接下来relations里面表示question是父，answer是子。
插入两个父文档:
PUT my_index/_doc/1
{
"my_id": "1",
"text": "This is a question",
"my_join_field": {
"name": "question"
}
}
PUT my_index/_doc/2
{
"my_id": "2",
"text": "This is another question",
"my_join_field": {
"name": "question"
}
}
"name": "question"表示插入的是父文档。
然后插入两个子文档:
PUT my_index/_doc/3?routing=1
{
"my_id": "3",
"text": "This is an answer",
"my_join_field": {
"name": "answer",
"parent": "1"
}
}
PUT my_index/_doc/4?routing=1
{
"my_id": "4",
"text": "This is another answer",
"my_join_field": {
"name": "answer",
"parent": "1"
}
}
子文档要解释的东西比较多：
首先从文档id我们可以判断子文档都是独立的文档（跟nested不一样）。
其次routing关键字指明了路由的id是父文档1， 这个id和下面的parent关键字对应的id是一致的。
需要强调的是，索引子文档的时候，routing是必须的，因为要确保子文档和父文档在同一个分片上。
name关键字指明了这是一个子文档。
现在my_index中有四个独立的文档，我们来父子文档在搜索的时候是什么姿势。
2.3.1、父子文档的查询 无条件查询先来一个无条件查询:
GET my_index/_search
{
"query": {
"match_all": {}
},
"sort": ["my_id"]
}
返回结果(部分):
{
"_index" : "my_index",
"_type" : "_doc",
"_id" : "3",
"_score" : null,
"_routing" : "1",
"_source" : {
"my_id" : "3",
"text" : "This is an answer",
"my_join_field" : {
"name" : "answer",
"parent" : "1"
}
},
可以看到返回的结果带了my_join_field关键字指明这是个父文档还是子文档。
has_child 查询has_child 查询，返回父文档:
POST my_index/_search
{
"query": {
"has_child": {
"type": "answer",
"query" : {
"match": { "text" : "answer" }
}
}
}
}
返回结果（部分）:
"hits" : [
{
"_index" : "my_index",
"_type" : "_doc",
"_id" : "1",
"_score" : 1.0,
"_source" : {
"my_id" : "1",
"text" : "This is a question",
"my_join_field" : {
"name" : "question"
}
}
}
]
has_parent查询
has_parent查询，返回相关的子文档:
POST my_index/_search
{
"query": {
"has_parent": {
"parent_type": "question",
"query" : {
"match": { "text" : "question"}
}
}
}
}
结果（部分）:
"hits" : [
{
"_index" : "my_index",
"_type" : "_doc",
"_id" : "3",
"_score" : 1.0,
"_routing" : "1",
"_source" : {
"my_id" : "3",
"text" : "This is an answer",
"my_join_field" : {
"name" : "answer",
"parent" : "1"
}
}
},
{
"_index" : "my_index",
"_type" : "_doc",
"_id" : "4",
"_score" : 1.0,
"_routing" : "1",
"_source" : {
"my_id" : "4",
"text" : "This is another answer",
"my_join_field" : {
"name" : "answer",
"parent" : "1"
}
}
}
]
parent_id查询
parent_id查询子文档:
POST my_index/_search
{
"query": {
"parent_id": {
"type": "answer",
"id": "1"
}
}
}
返回的结果和上面基本一样，区别在于parent id搜索默认使用相关性算分，而Has Parent默认情况下不使用算分。
使用父子文档的模式有一些需要特别关注的点：
每一个索引只能定义一个 join field父子文档必须在同一个分片上，意味着查询，更新 *** 作都需要加上routing可以向一个已经存在的join field上新增关系 2.4、总结
总的来说，嵌套对象通过冗余数据来提高查询性能，适用于读多写少的场景。
父子文档类似关系型数据库中的关联关系，适用于写多的场景，减少了文档修改的范围。
ES三种实现一对多关系的优缺点：
- 普通子对象模式实现一对多关系，会损失子对象的边界，子对象的属性之前关联性丧失。嵌套文档可以解决普通子对象存在的问题，但是它有两个缺点，
一个是更新主文档的时候要全部更新，另外就是不支持子文档从属多个主文档的场景。 父子文档能解决前面两个存在的问题，但是它适用于写多读少的场景。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）