Elasticsearch：在Elasticsearch中的join数据类型父子关系
在关系数据库中，子表使用外键引用父表，这种关系称为join。 设计通常涉及规范化数据。
ElasticSearch不是关系数据库，它全与搜索效率而不是存储效率有关。 存储的数据已被去规范化并且几乎是平坦的。 这意味着join不能跨索引，Elasticsearch的重点在于速度，而传统join的运行速度太慢。 因此，子文档和父文档都必须位于相同的索引和相同的分片中。
父-子关系例子
让我们考虑下图1所示的家谱。该树有3个父母和9个孩子。 每个角色都有“gender”和“ isAlive”状态。
在上面的示例中，我们探索以下场景：
亲子关系
每个父母有多个孩子
多个层次的亲子关系
创建family_tree索引
以下代码有为上述关系创建索引:
PUT family_tree
{
"settings": {
"index": {
"number_of_shards": 1,
"number_of_replicas": 1
}
},
"mappings": {
"properties": {
"firstName": {
"type": "text"
},
"lastName": {
"type": "text"
},
"gender": {
"type": "text"
},
"isAlive": {
"type": "boolean"
},
"relation_type": {
"type": "join",
"eager_global_ordinals": true,
"relations": {
"parent": "child"
}
}
}
}
}
在上面：
relation_type: 是join数据类型的名字
eager_global_ordinals: 亲子使用Global Ordinals加快导入速度
relations: 定义了一组可能的关系，每个关系都是parent名称和child名称。在这个例子里，为了方便，我们使用了“parent”及“child”作为父子关系的名称。在实际的例子中，我们可以使用你们所喜欢的名字
插入parent数据
在运行脚本以插入上图1所示的其他父级数据之前，让我们逐步了解一个父级插入的代码。
PUT family_tree/_doc/1?routing=Darren
{
"firstName": "Darren",
"lastName": "Ford",
"gender": "Male",
"isAlive": false,
"relation_type": {
"name": "parent"
}
}
上面的代码为Darren Ford创建了一个新文档，并使用related_type字段将其标记为父文档。 将值“parent”分配给关系的名称。 除了关系之外，它还添加了所需的字段，例如“firstName”，“lastName”，“gender”和“ isAlive”。
这里要注意的一件事是routing查询参数。 每个父对象都为其参数分配自己的名称。 路由字段可帮助我们控制文档将在哪个分片上建立索引。 分片使用以下公式标识：
shard = hash(routing_value) % number_of_primary_shards
我们通过如果的方法来插入余下的parent文档：
PUT family_tree/_doc/1?routing=Darren
{
"firstName": "Darren",
"lastName": "Ford",
"gender": "Male",
"isAlive": false,
"relation_type": {
"name": "parent"
}
}
PUT family_tree/_doc/2?routing=Sienna
{
"firstName": "Sienna",
"lastName": "Evans",
"gender": "Female",
"isAlive": false,
"relation_type": {
"name": "parent"
}
}
PUT family_tree/_doc/3?routing=Ryan
{
"firstName": "Ryan",
"lastName": "Turner",
"gender": "Male",
"isAlive": false,
"relation_type": {
"name": "parent"
}
}
插入child数据
同样，让我们先遍历一个子插件，然后运行上图所示的9个子插件的批量插入。
PUT family_tree/_doc/5?routing=Darren
{
"firstName": "Pearl",
"lastName": "Ford",
"gender": "Female",
"isAlive": true,
"relation_type": {
"name": "child",
"parent": "1"
}
}
在我们的示例中，“Pearl Ford”是“ Darren Ford”的子代，请注意，我们使用与创建Darren记录相同的routing查询参数。 这是因为子文档和父文档必须位于同一分片上的限制。
该记录与Darren的记录之间的关联是由related_type字段进行的，在该字段中，我们将关系的名称添加为“child”，从而使Pearl Ford成为ID为“1”的parent的子代（我们创建父代Darren的同一个ID 与）。
我们可以运用如下的代码来创建如下的子文档：
PUT family_tree/_bulk?routing=Darren
{"index": {"_id": "4"}}
{"firstName":"Otis", "lastName":"Ford", "gender":"Male", "isAlive":false, "relation_type":{ "name":"child", "parent":"1" }}
{"index": {"_id": "5"}}
{"firstName":"Pearl", "lastName":"Ford", "gender":"Female", "isAlive":true, "relation_type": { "name":"child", "parent":"1" }}
{"index": {"_id": "6"}}
{"firstName":"Ava", "lastName":"Ford", "gender":"Female", "isAlive":true, "relation_type": { "name":"child", "parent":"1" }}
{"index": {"_id": "7"}}
{"firstName":"Tyler", "lastName":"Ford", "gender":"Male", "isAlive":true, "relation_type": { "name":"child", "parent":"1" }}
{"index": {"_id": "8"}}
{"firstName":"Xavier", "lastName":"Ford", "gender":"Male", "isAlive":true, "relation_type": { "name":"child", "parent":"1"}}
PUT family_tree/_bulk?routing=Sienna
{"index": {"_id": "9"}}
{"firstName":"Ralph", "lastName":"Evans", "gender":"Male", "isAlive":true, "relation_type":{ "name":"child", "parent":"2" }}
PUT family_tree/_bulk?routing=Ryan
{"index": {"_id": "10"}}
{"firstName":"Fred", "lastName":"Turner", "gender":"Male", "isAlive":true, "relation_type":{ "name":"child", "parent":"3" }}
{"index": {"_id": "11"}}
{"firstName":"Scarlet", "lastName":"Turner", "gender":"Female", "isAlive":false, "relation_type":{ "name":"child", "parent":"3" }}
{"index": {"_id": "12"}}
{"firstName":"Wayne", "lastName":"Turner", "gender":"Male", "isAlive":true, "relation_type":{ "name":"child", "parent":"3" }}
我们使用上面bulk API来把我们的child数据导入到Elasticsearch中。
查询数据
现在是执行和理解的有趣部分，我们可以在刚刚创建的关系上运行查询。
搜索和过滤特定的parent
得到Sienna Evans的child：parent_id查询可用于查找属于特定parent的child文档
GET family_tree/_search
{
"query": {
"parent_id": {
"type": "child",
"id": "2"
}
}
}
返回的结果是：
"hits" : [
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "9",
"_score" : 1.7917595,
"_routing" : "Sienna",
"_source" : {
"firstName" : "Ralph",
"lastName" : "Evans",
"gender" : "Male",
"isAlive" : true,
"relation_type" : {
"name" : "child",
"parent" : "2"
}
}
}
]
上查询出parent_id为2的所有child文档。
获取所有isAlive为true的所有Darren Ford的孩子：bool和must关键字可用于获取记录。
GET family_tree/_search
{
"query": {
"bool": {
"filter": {
"term": {
"isAlive": true
}
},
"must": {
"parent_id": {
"type": "child",
"id": "1"
}
}
}
}
}
返回的结果为：
"hits" : [
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "5",
"_score" : 0.6931472,
"_routing" : "Darren",
"_source" : {
"firstName" : "Pearl",
"lastName" : "Ford",
"gender" : "Female",
"isAlive" : true,
"relation_type" : {
"name" : "child",
"parent" : "1"
}
}
},
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "6",
"_score" : 0.6931472,
"_routing" : "Darren",
"_source" : {
"firstName" : "Ava",
"lastName" : "Ford",
"gender" : "Female",
"isAlive" : true,
"relation_type" : {
"name" : "child",
"parent" : "1"
}
}
},
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "7",
"_score" : 0.6931472,
"_routing" : "Darren",
"_source" : {
"firstName" : "Tyler",
"lastName" : "Ford",
"gender" : "Male",
"isAlive" : true,
"relation_type" : {
"name" : "child",
"parent" : "1"
}
}
},
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "8",
"_score" : 0.6931472,
"_routing" : "Darren",
"_source" : {
"firstName" : "Xavier",
"lastName" : "Ford",
"gender" : "Male",
"isAlive" : true,
"relation_type" : {
"name" : "child",
"parent" : "1"
}
}
}
]
执行上面的查询将获取“ Pearl”，“ Ava”，“ Tyler”和“ Xavier” Ford的记录。
查询拥有child及parent查询
查询关键字has_child和has_parent，有助于查询具有父子关系的数据。
获取所有育有女儿并且女儿已死的父母：has_child，关键字可帮助我们获取所有父母记录，其中孩子有过滤器。
GET family_tree/_search
{
"query": {
"has_child": {
"type": "child",
"query": {
"bool": {
"must": [
{
"match": {
"gender": "Female"
}
},
{
"match": {
"isAlive": false
}
}
]
}
}
}
}
}
查询的返回结果是：
"hits" : [
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "3",
"_score" : 1.0,
"_routing" : "Ryan",
"_source" : {
"firstName" : "Ryan",
"lastName" : "Turner",
"gender" : "Male",
"isAlive" : false,
"relation_type" : {
"name" : "parent"
}
}
}
]
执行上面的查询，将获得“Ryan Turner”的记录，Ryan Turner是唯一一个死去的女儿“Scarlet Turner”的父母。
获取所有父母性别为“female”的child：has_parent关键字可帮助我们获取所有有父母过滤条件的孩子记录。
GET family_tree/_search
{
"query": {
"has_parent": {
"parent_type": "parent",
"query": {
"match": {
"gender": "Female"
}
}
}
}
}
返回的结果：
"hits" : [
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "9",
"_score" : 1.0,
"_routing" : "Sienna",
"_source" : {
"firstName" : "Ralph",
"lastName" : "Evans",
"gender" : "Male",
"isAlive" : true,
"relation_type" : {
"name" : "child",
"parent" : "2"
}
}
}
]
执行上述查询，获取“Ralph Evans”的记录，其父母是“Sienna Evans”，所有其他父母均为Male。
Parent 拥有多个children
让我们将“Melissa Ford”作为wife添加到“Darren Ford”中，如下图所示。“Darren”现在已附加了“children和wife”文件。
可以使用以下代码更改索引：
PUT family_tree/_mapping
{
"properties": {
"relation_type": {
"type": "join",
"eager_global_ordinals": true,
"relations": {
"parent": [
"child",
"wife"
]
}
}
}
}
我们修改了上面的mapping，从而使得我们的relation_type具有一个“parent”及两个children: “child”及“wife”。
插入“Melissa Ford”文档与我们之前创建的子记录类似，这将使用与父路径“Darren”相同的路径参数，并使用“wife”作为relationship_type名称。
PUT family_tree/_doc/13?routing=Darren
{
"firstName": "Melissa",
"lastName": "Ford",
"gender": "Female",
"isAlive": false,
"relation_type": {
"name": "wife",
"parent": "1"
}
}
查询wife数据
获取有wife的“parent” （请注意这里的parent不是指的是妻子的父母，而是我们的数据关系的父母，也就是Daren。我们可以从上面的图中可以看出来）：查询使用has_child关键字并按“wife”类型进行过滤。
GET family_tree/_search
{
"query": {
"has_child": {
"type": "wife",
"query": {
"match_all": {}
}
}
}
}
返回数据：
"hits" : [
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "1",
"_score" : 1.0,
"_routing" : "Darren",
"_source" : {
"firstName" : "Darren",
"lastName" : "Ford",
"gender" : "Male",
"isAlive" : false,
"relation_type" : {
"name" : "parent"
}
}
}
]
执行以上查询，获取“Darren Ford”的记录。
多级关系（孙子关系）
让我们将Grand Children添加到家谱中，如下图所示：
索引需要在这里重新创建！ 这是由于另一个限制，只有在元素已经是父元素的情况下，才可以在现有元素中添加子元素。 由于在较早创建索引时“child”类型不是父类型，因此我们需要删除较早的索引，使用下面的代码创建一个新的索引，然后重新插入所有数据。
我们首先重新修改family_tree的mapping:
DELETE family_tree
PUT family_tree
{
"settings": {
"index": {
"number_of_shards": 1,
"number_of_replicas": 1
}
},
"mappings": {
"properties": {
"firstName": {
"type": "text"
},
"lastName": {
"type": "text"
},
"gender": {
"type": "text"
},
"isAlive": {
"type": "boolean"
},
"relation_type": {
"type": "join",
"eager_global_ordinals": true,
"relations": {
"parent": [
"child",
"wife"
],
"child": "grandchild"
}
}
}
}
}
在这里，“child”也成为“grandchild”类型的父母。 这使我们具有关系parent→child→grandchild。
我们先按照上面的顺序，把我们之前的数据导入到family_tree中。然后再导入我们的grandchild数据。插入“grandchild”文档与插入“child”记录非常相似。
PUT family_tree/_doc/14?routing=Darren
{
"firstName": "Douglas",
"lastName": "Ford",
"gender": "Male",
"isAlive": true,
"relation_type": {
"name": "grandchild",
"parent": "5"
}
}
在我们的示例中，“Douglas Ford”是“Pearl Ford”的子代，也是“Darren Ford”的孙代，请注意，我们使用与创建Darren记录相同的路由查询参数。 这样可以确保与超级父代“Darren”关联的所有子代都在同一分片上建立索引。
此记录与“Pearl Ford”之间的join由Relation_type字段进行，在该字段中，我们将关系的名称添加为“grandchild”，使“Douglas Ford”成为其ID为“5”的父代的孙代（同一个ID 我们创建了Pearl Ford）。
我们可以使用如下的代码把其它的grandchild的文档写入到Elasticsearch中：
PUT family_tree/_bulk?routing=Darren
{"index": {"_id": "14"}}
{"firstName":"Douglas", "lastName":"Ford", "gender":"Male", "isAlive":true, "relation_type":{ "name":"grandchild", "parent":"5" }}
PUT family_tree/_bulk?routing=Ryan
{"index": {"_id": "15"}}
{"firstName":"Frederick", "lastName":"Turner", "gender":"Male", "isAlive":false, "relation_type":{ "name":"grandchild", "parent":"11" }}
{"index": {"_id": "16"}}
{"firstName":"Eleanor", "lastName":"Turner", "gender":"Female", "isAlive":false, "relation_type":{ "name":"grandchild", "parent":"11" }}
{"index": {"_id": "17"}}
{"firstName":"Troy", "lastName":"Turner", "gender":"Male", "isAlive":false, "relation_type":{ "name":"grandchild", "parent":"11" }}
请求grandparent数据
获取所有拥有孙女的祖父母：
GET family_tree/_search
{
"query": {
"has_child": {
"type": "child",
"query": {
"has_child": {
"type": "grandchild",
"query": {
"match": {
"gender": "Female"
}
}
}
}
}
}
}
返回的结果：
"hits" : [
{
"_index" : "family_tree",
"_type" : "_doc",
"_id" : "3",
"_score" : 1.0,
"_routing" : "Ryan",
"_source" : {
"firstName" : "Ryan",
"lastName" : "Turner",
"gender" : "Male",
"isAlive" : false,
"relation_type" : {
"name" : "parent"
}
}
}
]
执行此查询将获得“Ryan Turner”记录，因为他是唯一拥有孙女“Eleanor Turner”的祖父母，如上面的图所示。
在这里我们必须指出的是：
不建议使用多个级别的关系来复制关系模型。 每个关系级别都会在查询时增加内存和计算方面的开销。 如果您关心性能，则应该对数据进行非规范化。 — elastic.co
Elasticsearch中的join限制
现在，我们已经看到了加入功能的作用，让我们回顾一下上面注意到的限制。
父文档和子文档必须在同一分片上建立索引。
每个索引仅允许一个join字段映射。
一个元素可以有多个子级，但只能有一个父级。
可以向现有join字段添加新关系。
也可以将子元素添加到现有元素中，但前提是该元素已经是父元素。
总结
当索引时间性能比搜索时间性能更重要时，父子联接可能是管理关系的有用技术，但代价是很高的。 必须意识到折衷方案，例如父子文档的物理存储约束和增加的复杂性。 另一个预防措施是避免多层父子关系，因为这将消耗更多的内存和计算量。
————————————————
以上是 Elasticsearch：在Elasticsearch中的join数据类型父子关系 的全部内容， 来源链接： utcz.com/z/517880.html
