Elasticsearch 父子关系

Elasticsearch的父子关系在一定场景下非常有利于我们进行关联查询，合理使用能加快我们的索引速度。

父子关系图

对于Elasticsearch的 Parent and Child：

家庭关系：

2.学校关系：

3.等等关系我们都可以用父子关系来表示，这非常有利于我们进行父子关系的查询。

Parent and Child 有如下特点：

父子关系
每个父母有多个孩子
多个层次的亲子关系

这里我们使用汽车关系来进行相关展示：

创建相关索引

PUT family_tree{  "settings": {    "index":{      "number_of_shards":1,      "number_of_replicas":0    }  },  "mappings": {    "properties": {      "name":{        "type": "text"      },      "price":{        "type": "text"      },      "isSale":{        "type": "boolean"      },      "relation_type":{        "type": "join",        "eager_global_ordinals": true,        "relations":{          "parent":"child"        }      }    }  }}

注意：父子关系中使用 "eager_global_ordinals" 能加速join.

由于存储的数据已被非规范化。因此联接不能跨索引，子文档和父文档必须位于相同的索引和相同的分片中。父子关系需要在统一分片中：通过固定值来路由（routing）到同一个分片中。

分片规则：shard = hash(routing_value) % number_of_primary_shards

父节点插入数据

PUT family_tree/_doc/1?routing=Car{  "name":"Car",  "price":"2000000",  "isSale":true,  "relation_type":{    "name":"parent"  }}

子节点插入数据

PUT family_tree/_doc/2?routing=Car{  "name":"Van",  "price":"10000",  "isSale":true,  "relation_type":{    "name":"child",    "parent":1  }}
PUT family_tree/_doc/3?routing=Car{  "name":"Sedan",  "price":"10000",  "isSale":true,  "relation_type":{    "name":"child",    "parent":1  }}
PUT family_tree/_doc/4?routing=Car{  "name":"SUV",  "price":"8000",  "isSale":true,  "relation_type":{    "name":"child",    "parent":1  }}

注意：子文档和父文档必须位于同一分片上的限制。

查询数据 — 搜索和过滤指定的父节点

获取Car的所有子级：parent_id查询可用于查找属于特定父级的子级文档。

GET /family_tree/_search?pretty=true{  "query": {    "parent_id":{      "type":"child",      "id":"1"    }  }}

结果：以查找出属于parent_id为 1 的所有子级文档。

在这之前我们先为 Car 添加一个不再销售的汽车类型：

PUT family_tree/_doc/5?routing=Car{  "name":"Sports car",  "price":"30000000",  "isSale":false,  "relation_type":{    "name":"child",    "parent":1  }}

1.用bool与must结合获取所有未售 Car 的孩子：

GET /family_tree/_search{  "query": {    "bool": {      "filter": {        "term": {          "isSale": "false"        }      },      "must": [        {          "parent_id":{            "type":"child",            "id":"1"          }        }      ]    }  }}

结果：从查询到的结果中可以看到：只有"Sports car"符合我们查询的条件。

2.我们也可以通过has_child查询拥有子节点未销售状态的父节点信息：

GET /family_tree/_search?pretty{  "query": {    "has_child": {      "type": "child",      "query": {        "bool": {          "must": [            {"match": {"isSale": "false"}}          ]        }      }    }  }}

3.has_parent关键字可帮助我们获取所有有父母且符合过滤条件的孩子信息。通过has_parent来查询父节点状态为在售的所有子节点信息：

GET /family_tree/_search?pretty{  "query": {    "has_parent": {      "parent_type": "parent",      "query": {        "match": {          "isSale": "true"        }      }    }  }}

每个关系级别都会在查询时增加内存和计算方面的开销，不建议使用多个级别的关系模型。

本次收获：

父子文档必须索引到同一个分片中。
每个索引仅允许一个连接字段映射。
一个元素可以有多个子级，但只能有一个父级。
可以向已存在的联接字段添加新关系。
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。

当索引时间性能比搜索时间性能更重要时，父子join可能是管理关系的一种不错选择，但代价是很高的。必须意识到这种权衡，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。这些都是我们在使用父子关系的时候必须要考虑到的相关内容，避免造成不必要的损失。二哈觉得大家还是要根据实际场景来选择合适自己的，综合考虑自己的需求，没有什么是一套全通的呀！ღゝ◡╹)ノ♡

二哈最近开通了公众号呀，在这里你可以收获最新的资讯呀，千万别错过啦！

欢迎兄弟们关注关注。