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
| 字段 | 说明 |
|---|---|
| activity_id | 活动ID |
| activity_name | 活动名称 |
券明细表字段
| 字段 | 说明 |
|---|---|
| coupon_id | 券ID |
| coupon_amount | 券面额 |
| activity_id | 外键-活动ID |
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