一 序
本文属于极客时间Elasticsearch核心技术与实战学习笔记系列。
二 建模建议
2.1建模建议(一):如何处理关联关系
- Object : 优先考虑 Denormailzation
- Nested : 当数据包含多数值对象(一个电影有多个演员),同时有查询需求
- Child/Parent: 关联文档更新非常频繁时(博客与评论)
- Kibana 目前暂不支持 nested 类型 和 parent /child 类型,在未来有可能会支持
- 如果需要使用 Kibana 进行数据分析,在数据建模时仍需要对嵌套和父子关联类型作出取舍
2.2 建模建议(二):避免过多字段
一个文档中,最好避免大量的字段
- 过多的字段数不容易维护
- Mapping 信息保存在 Cluster State 中, 数据量过大,对集群性能会有影响(Cluster State 信息需要和所有的节点同步)
- 删除或者修改数据需要 reindex
默认最大字段数是 1000,可以设置 index.mapping.total_fields.limit 限制最大的字段数
什么原因会导致文档中会有成百上千的字段?
2.3 Dynamic v.s Strict
Dynamic (生产环境中,尽量不要打开 Dynamic)
true - 未知字段会被自动加入
false - 新字段不会被索引,但是会保存在 _source
strict - 新增字段不会被索引,文档写入失败
Strict
可以控制到字段级别
一个例子: Cookie Service 的数据
来自 Cookie Service 的数据
- Cookie 的键值对很多
- 当 Dynamic 设置为 True
- 同时采用扁平化的设计,必然导致字段数量的膨胀
随着数据的写入,dynamic mapping 会不断加入新增字段。
解决方案: Nested Object & Key Value
DELETE cookie_service
PUT cookie_service
{
"mappings": {
"properties": {
"cookies": {
"type": "nested",
"properties": {
"name": {
"type": "keyword"
},
"dateValue": {
"type": "date"
},
"keywordValue": {
"type": "keyword"
},
"IntValue": {
"type": "integer"
}
}
},
"url": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
有不同的Value:
##写入数据,使用key和合适类型的value字段
PUT cookie_service/_doc/1
{
"url":"www.google.com",
"cookies":[
{
"name":"username",
"keywordValue":"tom"
},
{
"name":"age",
"intValue":32
}
]
}
PUT cookie_service/_doc/2
{
"url":"www.amazon.com",
"cookies":[
{
"name":"login",
"dateValue":"2019-01-01"
},
{
"name":"email",
"IntValue":32
}
]
}
# Nested 查询,通过bool查询进行过滤
POST cookie_service/_search
{
"query": {
"nested": {
"path": "cookies",
"query": {
"bool": {
"filter": [
{
"term": {
"cookies.name": "age"
}},
{
"range":{
"cookies.intValue":{
"gte":30
}
}
}
]
}
}
}
}
通过 Nested 对象保存 Key / Value 的一些不足
可以减少字段数量,解决 Cluster State 中 保存过多 Meta 信息的问题,但是
- 导致查询语句复杂度增加
- Nested 对象 ,不利于在 Kibana 汇总实现可视化分析
2.3建模建议(三):避免正则查询
问题:
- 正则,通配符查询,前缀查询属于 Term 查询,但是性能不够好
- 特别是将通配符放在开头,会导致性能的灾难
案例:
- 文档中某个字段包含了 ES 的版本信息,例如 version:“7.1.0”
- 搜索所有是 bug fix 的版本?每个主要版本号所关联的文档?
搜索所有版本中间是1的,通配符查询效率不高。
# 优化,使用inner object
PUT softwares/
{
"mappings": {
"_meta": {
"software_version_mapping": "1.1"
},
"properties": {
"version": {
"properties": {
"display_name": {
"type": "keyword"
},
"hot_fix": {
"type": "byte"
},
"marjor": {
"type": "byte"
},
"minor": {
"type": "byte"
}
}
}
}
}
}
#通过 Inner Object 写入多个文档
PUT softwares/_doc/1
{
"version":{
"display_name":"7.1.0",
"marjor":7,
"minor":1,
"hot_fix":0
}
}
PUT softwares/_doc/2
{
"version":{
"display_name":"7.2.0",
"marjor":7,
"minor":2,
"hot_fix":0
}
}
PUT softwares/_doc/3
{
"version":{
"display_name":"7.2.1",
"marjor":7,
"minor":2,
"hot_fix":1
}
}
# 通过 bool 查询,
POST softwares/_search
{
"query": {
"bool": {
"filter": [
{
"match":{
"version.marjor":7
}
},
{
"match":{
"version.minor":2
}
}
]
}
}
}
会利用到es的缓存来查询,效率高。
2.4 建模建议(四):避免空置引起的聚合不准
先插入两条数据: 1一条是5,一条是null。
查询平均值,是不对的。
设置mapping,给null赋值为1.
PUT ratings
{
"mappings": {
"properties": {
"rating": {
"type": "float",
"null_value": 1.0
}
}
}
}
删除索引后,重新写入两篇文档。在查询就正确了。
2.5 建模建议(五):为索引的 Mapping 加入 Meta 的信息
Mappings 设置非常重要,需要从两个维度进行考虑
- 功能:索引,聚合,排序
- 性能:存储的开销,内存的开销,搜索的性能
Mappings 设置是一个迭代的过程
- 加入新的字段容易(必要时需要 update_by_query)
- 更新删除字段不允许(需要 Reindex 重建数据)
- 最好能对 Mappings 加入 Meta 信息,更好的进行版本管理
- 可以考虑 Mapping 文件上传 git 进行管理
*************************
总体指导思路:先满足功能(基本的业务需求),优化方向:减少存储(),优化性能()。
还是要理解具体数据库的特点,去做取舍。