es 嵌套对象查询

基础环境

• 使用docker来搭建环境(es+kibana)
• docker-compose.yaml 可以使用 https://github.com/xieruixiang/study_config/blob/master/docker/es_kibana/docker-compose.yaml 中的
• 后续的操作都在kibana中进行

嵌套查询的问题

下面的例子通过 PUT order 创建表结构，POST order/_doc/10001 填充表数据，goods 使用 es的自动类型推断，且是由多个对象组成
GET order/_search是想要获取 goods中 包含 {"name":"当归","num":5}的数据，正常应该是没有的，但是结果却查出来了

PUT order
{
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "type":{
        "type": "text"
      }
    }
  }
}

POST order/_doc/10001
{
  "id":10001,
  "type":"changfan",
  "goods":[
     {
       "id":1,
       "name":"当归",
       "price":102,
       "num":1
     },
     {
       "id":1,
       "name":"人参",
       "price":102,
       "num":5
     }
  ]
}

GET order/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "goods.num": {
              "value": 5
            }
          }
        },{
          "match_phrase": {
            "goods.name": "当归"
          }
        }
      ]
    }
  }
}

这种嵌套数据在es中是下面的存储格式

{
  "goods.name":["当归","人参"],
  "goods.num":[1,5]
}

使用 nested 类型

nested 类型用于处理嵌套的文档结构，其中一个文档中包含了另一个文档的数组。
将需要嵌套查询的字段设置为nested

PUT order2
{
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "type":{
        "type": "text"
      },
      "goods":{
        "type": "nested"
      }
    }
  }
}

POST order2/_doc/10001
{
  "id":10001,
  "type":"changfan",
  "goods":[
     {
       "id":1,
       "name":"当归",
       "price":102,
       "num":1
     },
     {
       "id":1, 
       "name":"人参",
       "price":102,
       "num":5
     }
  ]
}

使用 nested 进行查询
在普通的查询中 增加了 nested属性，其中path 指对那个属性进行嵌套查询，这个就解决了嵌套查询的问题

GET order2/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "nested": {
            "path": "goods",
            "query": {
              "bool": {
                "must": [
                  {
                    "term": {
                      "goods.num": {
                        "value": 1
                      }
                    }
                  },
                  {
                    "match_phrase": {
                      "goods.name": "当归"
                    }
                  }
                ]
              }
            }
          }
        }
      ]
    }
  }
}

join

• join 在 mapping 中指定了父子文档的关系
• 有了关系就可以使用 has 查询，类似于 ORM框架 的 whereHas 过滤
• join 获取嵌套数据不像 nested 能够一次性取出

指定了goods的类型为 join， 关联关系为父子

PUT order3
{
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "type":{
        "type": "text"
      },
      "goods":{
        "type": "join",
         "relations":{
           "parent":"child"
         }
      }
    }
  }
}

创建父文档

POST order3/_doc/10001
{
  "id":10001,
  "type":"changfan",
  "goods":{
    "name":"parent"
  }
}

创建子文档

POST order3/_doc/10001-1?routing=10001
{
  "goods":{
    "name":"child",
    "parent":10001
  },
  "id": 1,
  "name": "当归",
  "price": 102,
  "num": 1
}

POST order3/_doc/10001-2?routing=10001
{
  "goods": {
    "name": "child",
    "parent": 10001
  },
  "id": 2,
  "name": "人参",
  "price": 102,
  "num": 5
}

使用 has_child 查出符合条件的父文档

GET order3/_search
{
  "query": {
    "has_child": {
      "type": "child",
      "query": {
        "bool": {
          "must": [
            {
              "term": {
                "num": {
                  "value": 1
                }
              }
            },
            {
              "match_phrase": {
                "name": "当归"
              }
            }
          ]
        }
      }
    }
  }
}

直接通过父文档id查询子文档信息

GET order3/_search
{
  "query": {
    "parent_id":{
      "type":"child",
      "id":10001
    }
  }
}

或者通过 has_parent 来反查

GET order3/_search
{
  "query": {
    "has_parent": {
      "parent_type": "parent",
      "query": {
        "term": {
          "id": {
            "value": 10001
          }
        }
      }
    }
  }
}

nested vs join

	nested	join
优点	读取更快	父子可以单独更新，不相互影响
缺点	不像join可以父子单独更新，只要更新，就全部受影响	由于父子分开，读取性能比 nested 差
常用场景	查多写少，需要获取全部子文档	子文档数量多，且更新频繁