自建博客地址：https://www.bytelife.net，欢迎访问！ 本文为博客同步发表文章，为了更好的阅读体验，建议您移步至我的博客??
本文作者： Jeffrey
本文链接： https://www.bytelife.net/articles/51440.html
版权声明： 本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
本文将讨论如何在ElasticSearch中使用nested结构进行数据的存储、查询和聚合，并结合K-V场景讨论ElasticSearch针对field数量限制的解决方案。
为何要使用Nested结构存储KV（键值对）?
ElasticSearch对于field的数量有限制，默认情况下field的数量如果超过1000个，写入时再创建新的fields就会报错：
java.lang.IllegalArgumentException: Limit of total fields [1000] in index [(index_name)] has been exceeded at org.elasticsearch.index.mapper.MapperService.checkTotalFieldsLimit(MapperService.java:630)
但有些场景的field数量并不是我们能控制的，例如在监控系统中的业务数据所携带的业务标签，其中可能包含了监控系统不能预知的业务字段。
对于这种情景，可能想到的解决方案两个：
- 调整ElasticSearch的配置，增加field的限制数量：这种方案仅仅适用于可以预测出field数量极限的情况，治标不治本，一旦field数量再次抵达限制，又会面临同样的问题。
- 就是使用Pair结构来存储
假设第2种方案的数据结构为：
{ "labels": [{ "key": "ip", "value: "127.0.0.1" }]},{ "labels": [{ "key": "ip", "value: "127.0.0.2" }]}
那么es查询就会存在一个问题，例如下面的查询：
{ "query":{ "bool":{ "must":[ { "match":{ "key":"ip" } }, { "match":{ "value":"127.0.0.1" } } ] } }}
这个查询会把例子中的的数据全部查询出来，并不符合我们的预期。这是因为es在存储索引时，对于普通object类型的field实际上是打平来存储的，比如这样：
{ "labels.key":[ "ip" ], "labels.value":[ "127.0.0.1", "127.0.0.2" ]}
可以看见，索引打平后，对象的关联关系丢失了。对于这种情况，ElasticSearch提供的nested结构可以帮助我们解决类似的问题。Nested结构保留了子文档数据中的关联性，如果labels的数据格式被定义为nested，那么每一个nested object将会作为一个隐藏的单独文本建立索引。如下：
{ "labels.key":"ip", "labels.value":"127.0.0.1"},{ "labels.key":"ip", "labels.value":"127.0.0.2"}
通过分开给每个nested object建索引，object内部的字段间的关系就能保持。当执行查询时，只会匹配’match’同时出现在相同的nested object的结果。
定义mappings
使用nested结构非常简单，指定字段的type为nested即可。下面的例子中定义了一个名为labels的nested结构，其中包含两个字段，分别是key和value。
"mappings": { "demoType": { "labels": { // 字段类型设置为nested "type": "nested", "properties": { "key": { "type": "keyword" }, "value": { "type": "keyword" } } } }}
查询
nested结构的数据查询和普通object略有不同，nested object作为一个独立隐藏文档单独建索引，因此，不能直接查询到它们。取而代之，我们必须使用nested查询或者nested filter。例如：
{ "query": { "bool": { "must": [ { "nested": { "path": "labels", "query": { "bool": { "must": [ { "term": { "labels.key": "ip" } }, { "term": { "labels.value": "127.0.0.1" } } ] } } } } ] } }}
这个查询可以返回我们预期的正确结果：
[{ "labels": { "key": "ip", "value": "127.0.0.1" }}]
分桶聚合
查询的问题解决了，聚合时问题又来了，前面我们说到，nested结构存储在一个隐藏的单独文本索引中，那么普通的聚合查询自然便无法访问到它们。因此，nested结构在聚合时，需要使用特定的nested聚合。
nested聚合
假设es中存储如下数据：
[{ "labels": [{ "key": "ip", "value": "127.0.0.1" },{ "key": "os", "value": "windows" }]}, { "labels": [{ "key": "ip", "value": "127.0.0.2" },{ "key": "os", "value": "linux" }]}]
我们要聚合所有对labels.value进行聚合，可以使用下面的方式：
{ "size": 0, "aggs": { "labels_nested": { "nested": { "path": "labels" }, "aggs": { "nested_value": { "terms": { "field": "labels.value" } } } } }}
这个查询将会得到下面类似的结果：
{ "aggregations": { "labels_nested": { "doc_count": 2, "nested_value": { "buckets": [ { "doc_count": 1, "key": "127.0.0.1" }, { "doc_count": 1, "key": "127.0.0.2" }, { "doc_count": 1, "key": "windows" }, { "doc_count": 1, "key": "linux" } ] } } }}
过滤属性值
上面的例子可以看到，其只是单纯的将所有的value进行了聚合，并没有针对k-v中的key进行过滤，因此导致labels.key为ip和os的数据均被统计到了其中，这通常不符合我们实际场景中的需求。
现在假设要对所有labels.key为ip的labels.value进行聚合，那么可以使用如下的方式：
{ "size": 0, "aggs": { "labels_nested": { "nested": { "path": "labels" }, "aggs": { "nested_ip": { "filter": { "term": { "labels.key": "ip" } }, "aggs": { "nested_value": { "terms": { "field": "labels.value" } } } } } } }}
通过这样的方式就可以把labels.key不是ip的文档过滤掉，经过这个查询将得到类似如下的结果：
{ "aggregations": { "labels_nested": { "doc_count": 2, "nested_ip": { "doc_count": 2, "nested_value": { "buckets": [ { "doc_count": 1, "key": "127.0.0.1" }, { "doc_count": 1, "key": "127.0.0.2" } ] } } } }}
nested多重聚合
如果想在nested聚合下嵌套聚合其它字段，直接嵌套是不行的，这里需要使用到reverse_nested跳出当前nested聚合后，再进行嵌套聚合。
注意：无论是嵌套其它nested字段还是普通字段，都需要使用reverse_nested跳出当前nested聚合。
例如想对labels.key为ip聚合后，再对labels.key为os进行聚合：
{ "size": 0, "aggs": { "labels_nested": { "nested": { "path": "labels" }, "aggs": { "nested_ip": { "filter": { "term": { "labels.key": "ip" } }, "aggs": { "nested_ip_value": { "terms": { "field": "labels.value" }, "aggs": { "reverse_labels": { "reverse_nested": {}, //注意这里 "aggs": { "nested_os": { "nested": { "path": "labels" }, "aggs": { "labels_os": { "filter": { "term": { "labels.key": "os" } }, "aggs": { "labels_os_value": { "terms": { "field": "labels.value" } } } } } } } } } } } } } } }}
如此，将得到类似下面的结果：
{ "aggregations": { "labels_nested": { "doc_count": 2, "nested_ip": { "nested_ip_value": { "buckets": [ { "doc_count": 1, "reverse_labels": { "doc_count": 1, "nested_os": { "labels_os": { "doc_count": 1, "labels_os_value": { "buckets": [ { "doc_count": 1, "key": "windows" } ] } }, "doc_count": 1 } }, "key": "127.0.0.1" }, { "doc_count": 1, "reverse_labels": { "doc_count": 1, "nested_os": { "labels_os": { "doc_count": 1, "labels_os_value": { "buckets": [ { "doc_count": 1, "key": "linux" } ] } }, "doc_count": 1 } }, "key": "127.0.0.2" } ] }, "doc_count": 2 } } }}
结语
至此，关于nested结构存储K-V的用法就介绍完啦！使用nested结构可以帮助我们保持object内部的关联性，借此解决elasticsearch对field数量的限制。nested结构不仅可以应用在K-V结构的场景，还可以应用于其它任何需要保持object内部关联性的场景。
注意：使用nested结构也会存在一些问题：
- 增加，改变或者删除一个nested文本，整个文本必须重新建索引。nested文本越多，代价越大。
- 检索请求会返回整个文本，而不仅是匹配的nested文本。尽管有计划正在执行以能够支持返回根文本的同时返回最匹配的nested文本，但目前还未实现。
原文链接：http://www.cnblogs.com/huzhanfei/p/elasticsearches-shi-yongnested-jie-gou-cun-chukv-j.html
经验首页