0x00 elasticsearch

elasticsearch 简称 ES，是一个当前流行的搜索服务器(全文搜索引擎)，不得不说，它的搜索速度以及提供的丰富搜索选项，在面对企业级的需求时，大多数情况都可以应付自如。从 2010 年诞生至今，已经更新到了 5.6 版本，github 上获得了 25000+的 star。但有些问题在国内还是很少见到解决办法，国内整体还是要比老外落后几年。

最近在面对一个较复杂的索引结构时，使用了多代父子关系文档，但其中遇到了一些问题，这里将解决过程中的收获总结出来给后来的人提供一些借鉴和思路。

0x01 父子文档

父子文档，你可以简单的理解为关系型数据库中的一对多关系，但我们不必自己去维护映射关系，ES 维护了父子映射关系，我们要想使用这个功能，需要完成下面两件事，缺一不可：

指定某一个文档 type 是另一个文档 type 的父亲

在存储子文档时通过 parent 参数指定父文档 id

其实还有一个隐含前提条件，父子关系文档必须被索引在同一个分片上，但最简单的父子关系(只有一代，没有祖辈及以上)不必去考虑，完成上面第二点其实就已经保证了这一点，多代父子的问题下面我会提。

对于指定关系，我们只有两个时间点去设置，创建索引时或者在子 type 创建之前更新父 type 的 mapping，大家可能发现了，这两种方式几乎都是需要重新定义相关的索引结构，所以父子关系的最好在设计之初就想好。

0x02 定义父子关系

PUT /es_test

{

“mappings”: {

“parent_test”: {},

“child_test”: {

“_parent”: {

“type”: “parent_test”

}

}

}

}

1

2

3

4

5

6

7

8

9

10

11

最简单的例子，在创建 child_test 文档 type 时，指定 parent_test 的文档 type 为其父亲。

接下来存储文档时，父文档就像普通文档那样创建，而在创建子文档时，需要添加一个参数 parent 来指定该子文档的父文档 ID

PUT /es_test/child_test/2?parent=父文档 ID

{

“name”: “i am a child”

}

1

2

3

4

0x03 查询父子文档

我们看一个简单的查询语法：

GET /es_test/parent_test/_search

{

“query”: {

“has_child”: {

“type”: “child_test”,

“query”: {

“wildcard”: {

“name”: “i am a child”

}

}

}

}

}

1

2

3

4

5

6

7

8

9

10

11

12

13

这是最基础的通过子文档查询父文档，意思是我要搜索一个父文档，这个文档有子文档(has_child)，子文档类型为 child_test，并且子文档存在值为 i am a child 的 name 字段。

通过父文档查询子文档也是类似的结构，只是换成了 has_parent 而已。

0x04 多代父子关系问题

简单的单层父子关系肯定无法满足复杂需求，所以 ES 允许多代父子关系(grandchild等)的定义，父辈和祖辈之间按照前面的方式，但此时子辈和父辈之间需要改变一些条件，将子文档的 routing 参数设置为祖辈的 ID，否则有很大的可能导致三代文档不在同一分片上，继而无法通过(has_parent or has_child)语句正确搜索到。

重点来了，为什么不设置 routing 参数，多代父子文档就无法正确被搜索？

要搞清楚这个，首先我们需要了解一下什么是分片，它是 ES 底层的工作单元，它只保存一部分数据，我们的一份文档会被随机发送到一个分片上，一个分片是一个 Lucene 的实例，它本身就是一个完整的搜索引擎，分片只知道自己分片内部发生的事，并不能去操作其它分片，至于统筹分配任务则是 ES 的事。

或许你并没有设置分片数量，但 ES 默认给你设置了 5 个分片，意味着文档将被“随机”存储到这 5 个分片中，是真的随机吗？

我们来大致了解一下当一个文档被索引(存储)的时候，发生了什么事情。

0x05 routing 参数

默认情况下，如果不手动设置 routing 参数，每个文档的 routing 参数值等于 id 的值，然后在文档索引的时候，这个 routing 参数值会通过某个 hash 函数进行整数求值，将得到的整数根据分片数取模运算(假设 routing 值为 2，有 5 个分片)：

shardNum = hash(“2”) % 5

1

这样将得到一个 0 到 4 之间的数，这个数就是该文档所在的分片序号，假设得到的值为 3，那么这个文档将在 3 号分片上被索引。

之后的每个文档都将以这种方式进行分片的查找和分配，但想想我们的父子文档，还记得那个前提条件吗，为什么设置 parent 参数以后就保证了父子文档在同一个分片。这里 ES 有一个例外，当存在 parent 参数时，该参数会代替 routing 参数进行分片路由，而 parent 的值又等于父文档 id，所以根据上面的计算公式，父子文档将会肯定被划分在一个分片。

那这里其实存在一个问题，下面这个图中的子辈文档将找不到父辈文档！

难道 ES 不支持多代关系的父子文档？肯定不会的。官方说了，在这个时候，你需要手动多设置一个 routing 参数为祖辈文档 id，来取代 parent(注意只是取代分片路由功能，parent 还用来定义父子关系，不能抛弃！)。当你手动设置了 routing 参数，那么 parent 的分片路由功能也将失效，ES 计算的时候会选取 routing 的值带入 hash 函数中去计算分片序号：

0x06 总结

简单的一层父子关系，设置 parent 参数就够了，当你有多层的复杂关系时，请记得为子文档设置 routing 参数来选择合适的分片路由。

未设置 routing 参数的分片路由优先级： parent > (routing = id)

设置之后： routing > parent

作者：9ian1i

来源：CSDN

原文：https://blog.csdn.net/yanghuan313/article/details/78120900

版权声明：本文为博主原创文章，转载请附上博文链接！