elasticsearch 数组的注意事项

刺骨的言语ヽ痛彻心扉 2022-03-10 19:29 264阅读 0赞

我都知道lucene是不区分数组类型的，而elasticsearch中没有专用的数组类型，对 [Array datatype][]支持**不需要专用类型**（理解为动态的字符串或object类型）。默认情况下，任何字段都可以包含零个或多个值，但数组中的所有值都必须具有**相同的数据类型**。本文基于es 6.2，比如：

*  \[ `"one"`, `"two"` \]
 *   \[ `1`, `2` \]
 *   \[ `{ "name": "Mary", "age": 12 }`, `{ "name": "John", "age": 10 }`\]，这类叫嵌套对象

**需求1：查找多个精确值，一个电影属于多个类别，根据多个类别查找电影**

> \{  
>     "title" : "流浪地铁",  
>     "actor" : "吴京",  
>     "tags" : \[  
>         "科幻",  
>         "灾难",  
>         "冒险"  
>     \]  
> \}  
> \{  
>     "title" : "警察故事",  
>     "actor" : "成龙",  
>     "tags" : \[  
>         "动作",  
>         "冒险"  
>     \]  
> \}

首先，需要对tags进行mapping，否则它默认会被自动判断为text类型（分词啥的，我们不需要）

> http://192.168.1.42:9200/movies/movie/\_mapping  
> \{  
>     "movie": \{  
>         "properties": \{  
>             "tags": \{  
>                 "type": "keyword"  
>             \}  
>         \}  
>     \}  
> \}

然后对上面模型的数据进行插入，之后如何判断它是否是有效的呢？可以通 **\_termvectors** 查询。

> [http://192.168.1.42:9200/movies/movie/2/\_termvectors?fields=tags][http_192.168.1.42_9200_movies_movie_2_termvectors_fields_tags]
> 
> \{  "\_index": "movies",  
>     "\_type": "movie",  
>     "\_id": "2",  
>     "\_version": 1,  
>     "found": true,  
>     "took": 63,  
>     "term\_vectors": \{  
>         "tags": \{  
>             "field\_statistics": \{  
>                 "sum\_doc\_freq": 2,  
>                 "doc\_count": 1,  
>                 "sum\_ttf": -1  
>             \},  
>             "terms": \{  
>                 "动作": \{  
>                     "term\_freq": 1,  
>                     "tokens": \[  
>                         \{  
>                             "position": 2,  
>                             "start\_offset": 10,  
>                             "end\_offset": 12  
>                         \}  
>                     \]  
>                 \},  
>                 "冒险": \{  
>                     "term\_freq": 1,  
>                     "tokens": \[  
>                         \{  
>                             "position": 1,  
>                             "start\_offset": 7,  
>                             "end\_offset": 9  
>                         \}  
>                     \]  
>                 \}  
>             \}  
>         \}  
>     \}  
> \}

确实已经可以了，那就可以通过term查询了，但这有什么问题？精确查找不需要计算评分的，需要去掉的

> http://192.168.1.42:9200/movies/movie/\_search  
> \{  
>     "query": \{  
>         "term": \{  
>             "tags": "冒险"  
>         \}  
>     \}  
> \}  
> http://192.168.1.42:9200/movies/movie/\_search  
> \{  
>     "query": \{  
>         "constant\_score": \{  //不计算评分  
>             "filter": \{  
>                 "term": \{  
>                     "tags": "冒险"  
>                 \}  
>             \},  
>             "boost": 1  
>         \}  
>     \}  
> \}
> 
> http://192.168.1.42:9200/movies/movie/\_search  
> \{  
>     "query": \{  
>         "constant\_score" : \{  
>             "filter" : \{  
>                  "bool" : \{//整个字段完全相等  
>                     "must" : \[  
>                         \{ "term" : \{ "tags" : "冒险" \} \},   
>                         \{ "term" : \{ "tags" : "动作" \} \}   
>                     \]  
>                 \}  
>             \}  
>         \}  
>     \}  
> \}

这里有什么问题呢？由于倒排索引表自身的特性，整个字段是否相等会难以计算，正因如此， `term` 和 `terms` 是 *必须包含（must contain）* 操作，而不是 *必须精确相等（must equal exactly）* 。如果一定期望整个字段完全相等，最好的方式是增加并索引另一个字段，使用bool-must语法。

那如果是嵌套数组该怎么玩？我们有这样的模型：

> \{  
>          "title": "流浪地铁",  
>          "actor": "吴京",  
>          "tags": \[\{  
>             "id": 1,  
>             "type": "科幻"  
>         \}, \{  
>             "id": 2,  
>             "type": "灾难"  
>         \}, \{  
>             "id": 3,  
>             "type": "冒险"  
>         \}\]  
> \}  
> 还是按之前的套路，首先建mapping
> 
> http://192.168.1.42:9200/movies/movie/\_mapping  
> \{  
>     "movie": \{  
>         "properties": \{  
>             "tags.type": \{  
>                 "type": "keyword"  
>             \}  
>         \}  
>     \}  
> \}

**需求2：我们需要对tags（ type=科幻 and id=1）进行交叉查询**

满足需求1没有什么问题，执行下面的语句我们发现了一个现象：交叉查询（id+type）会出现匹配错误的，查询出来结果了（应该是没有才对）！

> http://192.168.1.42:9200/movies/movie/\_search  
> \{  
>     "query": \{  
>         "constant\_score" : \{  
>             "filter" : \{  
>                  "bool" : \{  
>                     "must" : \[  
>                         \{ "term" : \{ "tags.id" : 3 \} \}, //正确的应该是1  
>                         \{ "term" : \{ "tags.type" : "科幻" \} \}   
>                     \]  
>                 \}  
>             \}  
>         \}  
>     \}  
> \}

要了解事情的真相需要明白这一点，es对嵌套对象文档会处理成扁平式键值对的结构：

> \{  
>     "title": "流浪地铁",  
>     "actor": "吴京",  
>     "tags.id": \[1, 2, 3\],  
>     "tags.type": \["科幻", "灾难", "冒险"\]   
> \}

扁平化之后也就无法对嵌套对象进行扁平化查询，要查询就需要借助[父子文档查询][Link 1]。![85332335][]

[Array datatype]: https://www.elastic.co/guide/en/elasticsearch/reference/6.2/array.html
[http_192.168.1.42_9200_movies_movie_2_termvectors_fields_tags]: http://192.168.1.42:9200/movies/movie/2/_termvectors?fields=tags
[Link 1]: /images/20220310/794c2356a3ab42c3abb746c6d079780d.png#3.7%20%E7%88%B6%E5%AD%90%E6%96%87%E6%A1%A3%E6%9F%A5%E8%AF%A2
[85332335]: /images/20220310/794c2356a3ab42c3abb746c6d079780d.png