Elasticsearch——利用Parent-Child关系解决大数据场景下的实时查询

表与表之间的关联基本上是所有业务系统都存在的，RDBMS通过外键实现，MongoDB通过嵌入式子文档解决，那么Elasticsearch怎么解决这个问题呢？答案就是Parent-Child关联（参考文档）

业务场景

有一个广告的分发系统，为了更精准的做广告的推送，除了自身积累的数据以外，还会从其他合作方通过数据交换（当然这些都是脱敏的数据）的方式获取更多用户行为数据，例如从音乐网站获取听的音乐列表、从购物网站获取最近的购物类别、从书评网站获取最近浏览的图书等等。这些来自于外部的数据，有以下几个问题：

并不是每个用户都有全部的数据，比如有些用户只有书评和音乐信息，而有些用户没有任何外部信息
某一类外部的数据源可能包含几个网站，比如音乐网站有A、B、C三个网站，它们提供的数据格式也并不一致

在进行广告推送时，需要实时查询一个用户的信息完成精准推荐。比如实时查询满足下面条件的用户：

最近一个月，
经常在早上、傍晚或者晚上连续一个小时的音乐；
购买过跑鞋、运动手表等跑步装备
且购买过或点评过运动类书籍

再继续下面的（十分简化）解决方案之前，可以先思考下

解决方案

这是典型应用大数据进行个性化精准推荐的应用场景，在省却了数据清洗、评分等各种步骤以后，简化为一个查询问题。分析可以发现数据问题的核心就是：无固定表结构，是典型的Schema-Free的NoSQL应用场景，第一个反应出来的就是MongoDB。

MongoDB

MongoDB用作以上的数据存储，毫无疑问具有天然的优势，可以将每个来源的数据都作为user的一个子文档存储，查询时也只是在这一个Collection上进行（可能有人会说这种方案太蠢了，的确是，不过也要看产品所处的阶段）。当然这样做的问题也显而易见：
为了查询速度，索引是必须要创建的。可是因为数据源不断变化，那么索引的维护就会变成一个灾难。一旦忘记创建查询，可能就会拖死整个系统。

下面当然就是主角上场了。

Elasticsearch

定调：
1. 由于字段是变化，因此必须使用动态Mapping（文档）
2. 由于Parent-Child的关系需要创建索引（Create Index）时就确定，因此必须使用固定的Mapping（文档）

我又检查了上面两条，的确是没有说错。

其实很简单，在创建索引时，只需指定父子关系，无需指定其他未知字段。因为要预先指定type的父子关系，所以就必须先确定type。这是用两个type：user和user_action，那么创建索引时的Mapping大致如下：

{"mappings": {"user": {},"user_action": {"_parent" : {"type": "user"}}}
}

我好像把文档中的例子抄了一遍，不多实际情况的确是这样。

那么在添加文档到索引中时，对于user就需要指定id，而user_action需要指定parent，例如：

es = Elasticsearch()_id = 27
_user = {'id': 27,'name': 'Tigger Fei'
}# 索引用户文档
es.index(index='user_index', doc_type='user', id=str(_id), body=_user)# 索引用户行为文档, type字段表示列表
# 音乐
_music = {'type': 'music','user': 27,'period': 'morning','duration': 78,'category': 'running','time': '2017-01-29 12:30:00'
}
es.index(index='user_index', doc_type='user_action', parent=str(_id), body=_music)
# 图书,
_book = {'type': 'book,''user': 27,'name': '我的第一个马拉松','category': 'running','time': '2017-01-30 12:30:00'
}
es.index(index='user_index', doc_type='user_action', parent=str(_id), body=_book)

如何完成上面的查询呢，如下：

POST user_index/user/_search
{"query": {"bool": {"filter": [{"has_child": {"type": "user_action","query": { "bool": { "filter": [{"term": {"type": "music"}},{"range": {"duration": {"gte": 60}}},{"range": {"time": {"gte": "2017-01-07 00:00:00","format": "yyyy-MM-dd HH:mm:ss"}}},{"term": {"category": "running"}},{"terms": {"period": ["morning", "night"]}}]}}}},{"has_child": {"type": "user_action","query": { "bool": { "filter": [{"range": {"time": {"gte": "2017-01-07 00:00:00","format": "yyyy-MM-dd HH:mm:ss"}}},{"term": {"type": "book"}},{"term": {"category": "running"}}]}}}}]}}
}

好了，这个简单的解决方案就完了。