Elasticsearch 之 join 关联查询及使用场景

在Elasticsearch这样的分布式系统中执行类似SQL的join连接是代价是比较大的，然而，Elasticsearch却给我们提供了基于水平扩展的两种连接形式 。这句话摘自Elasticsearch官网，从“然而”来看，说明某些场景某些情况下我们还是可以使用的

一、join总述

1、关系类比

在关系型数据库中，以MySQL为例，尤其B端类系统且数据量不是特别大的场景，我们经常用到join关键字对有关系的两张或者多张表进行关联查询。但是当数据量达到一定量级时，查询性能就是经常困扰的问题。由于es可以做到数亿量级的秒查（具体由分片数量决定），这时候把数据同步到es是我们可以使用解决方案之一。

那么不禁有疑问问了，由于业务场景的决定，之前必须关联查询的两张表还能做到进行关联吗？

答案是可以的，es也提供了类似于关系型数据库的关联查询，但是它又与关系型数据的关联查询有明显的区别与限制。

2、使用场景

如果把关系数据库原有关联的两张表，同步到es后，通常情况下，我们业务开发中会有两种查询诉求的场景

场景1

诉求：展示子表维度的明细数据（包含父表和子表中字段的条件）

方案：对于此种查询诉求，我们可以把原来关联的父子表打成父子表字段混合在一起的大宽表，既能满足查询条件，又有查询性能的保障，也是常用存储方案之一

场景2

诉求：展示父表维度的明细数据（包含父表和子表中字段的条件）

方案：然而，对于此种查询诉求，需要通过子表的条件来查询出父表的明细结果，场景1的宽表存储方案是子表明细数据，而最终我们要的是父表明细数据，显然对于场景1的存储方案是不能满足的。如果非要使用场景1的存储方案，我们还要对宽表结果进行一次groupby或者collapse操作来得到父表结果。

这个时候我们就可以使用es提供的join功能来完成场景2的诉求查询，同时它也满足场景1的诉求查询

3、使用限制

由于es属于分布式文档型数据库，数据自然是存在于多个分片之上的。Join字段自然不能像关系型数据库中的join使用。在es中为了保证良好的查询性能，最佳的实践是将数据模型设置为非规范化文档，通过字段冗余构造宽表，即存储在一个索引中。需要满足条件如下：

（1）父子文档(数据)必须存储在同一index中

（2）父子文档(数据)必须存储在同一个分片中，通过关联父文档ID关联

（3）一个index中只能包含一个join字段，但是可以有多个关系

（4）同一个index中，一个父关系可以对应多个子关系，一个子关系只对应一个父关系

4、性能问题

当然执行了join查询固然性能会受到一定程度的影响。对于带has_child/has_parent而言，其查询性能会随着指向唯一父文档的匹配子文档的数量增加而降低。本文开篇第一句摘自es官网描述，从ES官方的描述来看join关联查询对性能的损耗是比较大的。

不过，在笔者使用的过程中，在5个分片的前提下，且父表十万量级，子表数据量在千万量级的情况下，关联查询的耗时还是在100ms内完成的，对于B端许多场景还是可以接受的。

若有类似场景，建议我们在使用前，根据分片的多少和预估未来数据量的大小提前做好性能测试，防止以后数量达到一定程度时，性能有明显下降，那个时候再改存储方案得不偿失。

二、Mapping

1、举例说明

这里以优惠券活动与优惠券明细为例，在一个优惠券活动中可以发放几千万的优惠券，所以券活动与券明细是一对多的关系。

券活动表字段

券明细表字段

2、mapping释义

join类型的字段主要用来在同一个索引中构建父子关联关系。通过relations定义一组父子关系，每个关系都包含一个父级关系名称和一个或多个子级关系名称

activity_coupon_field是一个关联字段，内部定义了一组join关系，该字段为自命名

type指定关联关系是join，固定写法

relations定义父子关系，activity父类型名称，coupon子类型名称，名称均为自命名

{
	"mappings": {
		"properties": {
			"activity_coupon_field": {
				"type": "join",
				"relations": {
					"activity": "coupon"
				}
			},
			"activity_id": {
				"type": "keyword"
			},
			"activity_name": {
				"type": "keyword"
			},
			"coupon_id": {
				"type": "long"
			},
			"coupon_amount": {
				"type": "long"
			}
		}
	}
}

三、插入数据

1、插入父文档

在put父文档数据的时候，我们通常按照某种规则指定文档ID，方便子文档数据变更时易于得到父文档ID。比如这里我们用activity_id的值：activity_100来作为父id

PUT /coupon/_doc/activity_100
 
{
	"activity_id": 100,
	"activity_name": "年货节5元促销优惠券",
	"activity_coupon_field": {
		"name": "activity"
	}
}

2、插入子文档

上边已经指定了父文档ID，而子表中已经包含有activity_id，所以很容易得到父文档ID

put子文档数据时候，必须指定父文档ID，就是父文档中的_id，这样父子数据才建立了关联关系。与此同时还要指定routing字段为父文档ID，这样保证了父子数据在同一分片上。

PUT /coupon/_doc/coupon_12345678?routing=activity_id_100
 
{
	"coupon_id": 12345678,
	"coupon_amount": "5",
	"activity_id": 100,
	"activity_coupon_field": {
		"name": "coupon",
		"parent": "activity_id_100" //父ID
	}
}

四、关联查询

1、has_parent查询（父查子）

根据父文档条件字段查询符合条件的子文档数据

例如：查询包含“年货节”活动字样，且已经被领取过的券

{
	"query": {
		"bool": {
			"must": [{
				"parent_type": "activity",
				"has_parent": {
					"query": {
						"bool": {
							"must": [{
								"term": {
									"status": {
										"value": 1
									}
								}
							}, {
								"wildcard": {
									"activity_name": {
										"wildcard": "*年货节*"
									}
								}
							}]
						}
					}
				}
			}]
		}
	}
}

2、has_child查询（子查父）

根据子文档条件字段符合条件的父文档数据

例如：查询coupon_id=12345678在那个存在于哪个券活动中

{
	"query": {
		"bool": {
			"must": [{
				"has_child": {
					"type": "coupon",
					"query": {
						"bool": {
							"must": [{
								"term": {
									"coupon_id": {
										"value": 12345678
									}
								}
							}]
						}
					}
				}
			}]
		}
	}
}

参考：Joining queries | Elasticsearch Guide [7.9] | Elastic

以上文中如有不正之处欢迎留言指正

作者：京东零售 李振乾

内容来源：京东云开发者社区