Elasticsearch数据建模笔记

数据建模

• 数据建模是创建数据模型的过程
• 数据模型是对真实世界进行抽象描述的一种工具和方法，实现对现实世界的映射
• 三个过程：概念模型=》逻辑模型=》数据模型
• 数据模型：结合具体的数据库，在满足业务读写性能等需求的前提下，确定最终定义
• 数据建模：功能需求+性能需求
• 逻辑模型（功能需求）
• 实体属性
• 实体之间的关系
• 搜索相关的配置
• 物理模型（性能需求）
• 索引模版
• 分片数量
• 索引Mapping
• 字段配置
• 关系处理
• 对字段进行建模

          

• 字段类型：
• Text vs Keyword
• Text
• 用于全文本字段，文本会被Analyzer分词
• 默认不支持聚合分析及排序。需要设置fielddata为true
• Keyword
• 用于id,枚举及不需要分词的文本。例如电话号码，email地址，手机号码，邮政编码，性别等
• 适用于Filter(精确匹配)，Sorting和Aggregations
• 设置多字段类型
• 默认会为文本类型设置成text,并且设置一个keyword的子字段
• 在处理人类语言时，通过增加“英文”，“拼音”和“标准”分词器，提高搜索结果
• 结构化数据
• 数值类型
• 尽量选择贴近的类型。例如可以用byte,就不要用long
• 枚举类型
• 设置为keyword。即便是数字，也应该设置成keyword,获取更加好的性能
• 其他
• 日期/布尔/地理信息
• 检索
• 如不需要检索
• Enable设置成false
• 如不需要检索
• Index设置成false
• 对需要检索的字段，可以通过如下配置，设定存储粒度
• Index_options/Norms：不需要归一化数据时，可以关闭
• 聚合及排序
• 如不需要排序和聚合分析
• Enable设置成false
• 如不需要排序或者聚合分析
• Doc_value/fielddata设置成false
• 更新频繁，聚合查询频繁的keyword类型的字段
• 推荐eager_global_ordinals设置为true
• 额外的存储
• 是否需要专门存储当前字段数据
• Disable _source:节约磁盘；适用于指标型数据
• 一般建议考虑增加压缩比
• 无法看到_source字段，无法ReIndex 无法Upadte
• Kibana中无法做discovery
• 最佳实践
• 建模建议一：如何处理关联关系

• 建模建议二：避免过多字段
• 一个文档中，最好避免大量的字段
• 过多的字段数不容易维护
• Mapping信息保存在Cluster State中，数据量过大，对集群性能会有影响（Cluster State信息需要和所有的节点同步）
• 删除或者修改数据需要reindex
• 默认最大字段数是1000，可以设置index.mapping.tatal_fields.limt限定最大字段数
• Dynamic vs Strict
  • Dynamic（生产环境中，尽量不用打开Dynamic）
    • true-未知字段会被自动加入
    • false-新字段不会被索引。但是会保存在_source
    • strict-新字段不会被索引，文档写入失败
  • Strict
    • 可以控制道字段级别　　
• 当Dynamic设置为True,同时采用扁平化的设计且键值对过多会导致字段数量的膨胀，通过Nested对象保存key/value可以减少字段数量。
• 建模建议三：避免正则查询
  • 通过 Inner Object避免低性能的正则匹配　

{
  "version":{
  "display_name":"7.1.0",
  "marjor":7,
  "minor":1,
  "hot_fix":0
  }
}

• 建模建议四：避免空值引起的聚合不准确
• 使用Null_Value解决空值的问题
• 建模建议五：为索引的Mapping加入Meta信息便于管理

{
  "mappings": {
    "_meta": {
      "software_version_mapping": "1.0"
    }
  }
}

Mapping字段的相关设置

https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html