ElasticSearch-关联关系

• Elasticsearch并不擅长处理关联关系，一般会采用以下四种方法处理关联
  • 对象类型
  • 嵌套对象 (Nested Object)
  • 父子关联关系 (Parent / Child)
  • 应用端关联

---

对象类型

• 在每一博客的文档中都保留作者的信息
  • 如果作者信息发生变化，需要修改相关的博客文档
• 包含对象数组的文档
  • 可能会搜到不需要的结果
    • 存储时，内部对象的边界并没有考虑在内，JSON格式被处理成扁平式键值对的结构
    • 当对多个字段进行查询时，导致意外的搜索结果
    • 可以用 Nested Data Type 解决这个问题

POST /my_movies/_doc/1 
{"title":"Speed","actors":[
  {"first_name":"Keanu","last_name":"Reeves"},
  {"first_name":"Dennis","last_name":"Hopper"}]}
# 会搜到不需要的结果，因为 JSON 格式被处理成扁平式键值对的结构
POST /my_movies/_search
{"query":{"bool":{"must":[
  {"match":{"actors.first_name":"Keanu"}}, 
  {"match":{"actors.last_name":"Hopper"}}]}}}

---

嵌套对象 (Nested Object)

• Nested Data Type
  • Nested数据类型: 允许对象数组中的对象被独立索引
  • 使用nested 和properties 关键字，将所有actors索引到多个分隔的文档
  • 在内部, Nested文档会被保存在两个Lucene文档中，在查询时做Join处理

# 创建 Nested 对象 Mapping
PUT /my_movies
{"mappings":{"properties":{
  "actors":{"type":"nested","properties":{
    "first_name":{"type":"keyword"},
    "last_name":{"type":"keyword"}}},
  "title":{"type":"text",
    "fields":{"keyword":{"type":"keyword","ignore_above":256}}}}}}
POST /my_movies/_doc/1 
{"title":"Speed","actors":[
  {"first_name":"Keanu","last_name":"Reeves"},
  {"first_name":"Dennis","last_name":"Hopper"}]}
# Nested 查询
POST /my_movies/_search
{"query":{"bool":{"must":[
  {"match":{"title": "Speed"}}, 
  {"nested":{"path":"actors","query":{"bool":{"must":[
    {"match":{"actors.first_name":"Keanu"}},
    {"match":{"actors.last_name":"Hopper"}}]}}}}]}}}
# Nested Aggregation
POST /my_movies/_search
{"size":0,"aggs":{"actors":{
  "nested":{"path":"actors"},
  "aggs":{"actor_name":{"terms":{
    "field":"actors.first_name","size":10}}}}}}
# 普通 aggregation 不工作
POST /my_movies/_search
{"size":0,"aggs":{
 "NAME":{"terms":{
   "field":"actors.first_name","size":10}}}}

---

父子关联关系 (Parent / Child)

• 对象和Nested对象的局限性: 每次更新，可能需要重新索引整个对象 (包括根对象和嵌套对象)
• ES提供了类似关系型数据库中Join 的实现
  • 使用Join数据类型实现，可以通过维护Parent/ Child的关系，从而分离两个对象
• 父文档和子文档是两个独立的文档
• 更新父文档无需重新索引子文档
• 子文档被添加，更新或者删除也不会影响到父文档和其他的子文档
• 注意
  • 父文档和子文档必须存在相同的分片上，能够确保查询 join 的性能
  • 当指定子文档时候，必须指定它的父文档ld。使用routing参数来保证，分配到相同的分片

# 设定 Parent/Child Mapping
PUT /my_blogs
{"settings":{"number_of_shards":2},
 "mappings":{"properties":{
   "blog_comments_relation":{"relations":{"blog":"comment"},
     "type":"join"},
   "content":{"type":"text"},
   "title":{"type":"keyword"}}}}
# 索引父文档
PUT /my_blogs/_doc/blog1
{"title":"Learning Elasticsearch", 
 "content":"learning ELK ",
 "blog_comments_relation":{"name":"blog"}}
# 索引子文档
PUT /my_blogs/_doc/comment1?routing=blog1 
{"comment":"I am learning ELK",
 "username":"Jack",
 "blog_comments_relation":{"name":"comment","parent":"blog1"}}

# Parent Id 查询
POST /my_blogs/_search 
{"query":{"parent_id":{"type":"comment","id":"blog2"}}}
# Has Child 查询, 返回父文档 
POST /my_blogs/_search
{"query":{"has_child":{
  "type":"comment","query":{"match":{"username":"Jack"}}}}}
# Has Parent 查询, 返回相关的子文档 
POST /my_blogs/_search
{"query":{"has_parent":{
  "parent_type":"blog","query":{"match":{"title":"Learning Hadoop"}}}}}
# 通过 ID, 访问子文档
GET /my_blogs/_doc/comment3
# 通过 ID 和 routing, 访问子文档
GET /my_blogs/_doc/comment3?routing=blog2
# 更新子文档
PUT /my_blogs/_doc/comment3?routing=blog2 
{"comment":"Hello Hadoop??",
 "blog_comments_relation":{"name":"comment","parent":"blog2"}}

嵌套文档 VS 父子文档

	Nested Object	Parent / Child
优点	文档存储在一起，读取性能高	父子文档可以独立更新
缺点	更新嵌套的子文档时，需要更新整个文档	需要额外的内存维护关系，读取性能相对差
适用场景	子文档偶尔更新，以查询为主	子文档更新频繁