查看原文
其他

干货 | Elasticsearch Nested 数组大小求解,一网打尽!

铭毅天下 铭毅天下Elasticsearch 2024-03-20

1、实战线上 Nested 问题

如何查询所有 objectList (Nested 类型)里面的 lossStatus="ENABLE" 且 objectList 的数组大小大于2的数据? 

——问题来源:死磕Elasticsearch 知识星球

2、数据模型

索引导入和样例数据批量写入如下所示。

PUT appweb
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "orderTime": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss"
      },
      "objectList": {
        "type": "nested",
        "properties": {
          "addTime": {
            "type": "date",
            "format": "yyyy-MM-dd HH:mm:ss"
          },
          "customerPersonId": {
            "type": "long"
          },
          "lossStatus": {
            "type": "text"
          }
        }
      }
    }
  }
}


POST appweb/_bulk
{"index":{"_id":1}}
{"name":"111","orderTime":"2022-02-02 02:02:02","objectList":[{"addTime":"2022-02-02 02:02:02","customerPersonId":101,"lossStatus":"ENABLE"},{"addTime":"2022-02-02 02:02:02","customerPersonId":102,"lossStatus":"ENABLE"}]}
{"index":{"_id":2}}
{"name":"222","orderTime":"2022-02-02 02:02:02","objectList":[{"addTime":"2022-02-02 02:02:02","customerPersonId":201,"lossStatus":"2222"},{"addTime":"2022-02-02 02:02:02","customerPersonId":202,"lossStatus":"2222"},{"addTime":"2022-02-02 02:02:02","customerPersonId":203,"lossStatus":"3333"}]}
{"index":{"_id":3}}
{"name":"111","orderTime":"2022-02-02 02:02:02","objectList":[{"addTime":"2022-02-02 02:02:02","customerPersonId":101,"lossStatus":"ENABLE"}]}
{"index":{"_id":4}}
{"name":"111","orderTime":"2022-02-02 02:02:02","objectList":[{"addTime":"2022-02-02 02:02:02","customerPersonId":101,"lossStatus":"ENABLE"},{"addTime":"2022-02-02 02:02:02","customerPersonId":102,"lossStatus":"ENABLE"},{"addTime":"2022-02-02 02:02:02","customerPersonId":103,"lossStatus":"ENABLE"}]}

开搞,方案逐步展开讨论。

3、问题拆解

涉及三个核心知识点:

  • 其一:检索数据涉及 Nested 类型。
  • 其二:检索条件1:objectList (Nested 类型)下的 lossStatus="ENABLE"。

这个在检索的时候要注意指定 path,否则会报错。

  • 其三:检索条件2:获取 objectList 的数组大小大于 2 的数据?

问题转化为:检索条件1、检索条件2的组合实现。

3.1 检索条件 1 实现

POST appweb/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "nested": {
            "path": "objectList",
            "query": {
              "match_phrase": {
                "objectList.lossStatus": "ENABLE"
              }
            }
          }
        }
      ]
    }
  }
}

中规中矩的 Nested 语法,无需过多解释。唯一强调的是:path的用法。

如果 Nested 语法不熟悉,可以参考官方文档:

https://www.elastic.co/guide/en/elasticsearch/reference/8.0/query-dsl-nested-query.html

3.2 检索条件 2 实现

本质是获取 objectList 的数组大小大于 2 的数据。再进一步缩小范围是:获取 objectList 数组的大小。

问题转化为如何获取 Nested 嵌套类型数组大小?

这里的确没有非常现成的实现,我总结了如下几种方案。

方案1:function_score 检索实现

该方案包含了:3.1 小节 检索条件 1 的实现,完整实现如下。

POST appweb/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "nested": {
            "path": "objectList",
            "query": {
              "match_phrase": {
                "objectList.lossStatus": "ENABLE"
              }
            }
          }
        },
        {
          "function_score": {
            "query": {
              "match_all": {}
            },
            "functions": [
              {
                "script_score": {
                  "script": {
                    "source": "params._source.containsKey('objectList') && params._source['objectList'] != null && params._source.objectList.size() > 2 ? 2 : 0"
                  }
                }
              }
            ],
            "min_score": 1
          }
        }
      ]
    }
  }
}

注意在 script_score 下做了多条件判断:

params._source.containsKey('objectList') 
params._source['objectList'] != null
params._source.objectList.size() > 2

官方语法参考:

https://www.elastic.co/guide/en/elasticsearch/reference/8.0/query-dsl-function-score-query.html

https://www.elastic.co/guide/en/elasticsearch/painless/8.0/painless-score-context.html

方案2:funciton_score 检索实现2

POST appweb/_search
{
  "query": {
    "function_score": {
      "query": {
        "bool": {
          "must": [
            {
              "nested": {
                "path": "objectList",
                "query": {
                  "exists": {
                    "field": "objectList.customerPersonId"
                  }
                },
                "score_mode": "sum"
              }
            },
            {
              "nested": {
                "path": "objectList",
                "query": {
                  "match_phrase": {
                    "objectList.lossStatus": "ENABLE"
                  }
                }
              }
            }
          ]
        }
      },
      "functions": [
        {
          "script_score": {
            "script": {
              "source": "_score >= 3 ? 1 : 0"
            }
          }
        }
      ],
      "boost_mode": "replace"
    }
  },
  "min_score": 1
}

该方式本质是曲线救国,借助:sum 求和累加评分实现。

实现条件是:存在字段“objectList.customerPersonId”,评分就高。该方式不太容易想到,“可遇而不可求”

方案3:runtime_field 运行时字段实现

POST appweb/_search
{
  "runtime_mappings": {
    "objectList_tmp": {
      "type": "keyword",
      "script": """
        int genre = params['_source']['objectList'].size();
        emit(genre.toString());
      """
    }
  },
  "query": {
    "bool": {
      "must": [
        {
          "nested": {
            "path": "objectList",
            "query": {
              "match_phrase": {
                "objectList.lossStatus": "ENABLE"
              }
            }
          }
        },
        {
          "range": {
            "objectList_tmp": {
              "gte": 3
            }
          }
        }
      ]
    }
  }
}

这是我整合了聚合 + runtime_field 实现的结果,召回结果达到预期且令人满意。

最后发现聚合部分是多余的,删除之。

解读如下:

  • 第一:新加了运行时字段——objectList_tmp,目的:获取 Nested 数组大小。
  • 第二:结合已有 nested 检索组合 bool 检索实现即可。

综合对比看,它比下面的方案4更简洁,如果线上环境想不修改数据的前提下使用,推荐此方案。

方案4:聚合实现

GET appweb/_search
{
  "size": 0,
  "query": {
    "nested": {
      "path": "objectList",
      "query": {
        "match_phrase": {
          "objectList.lossStatus": "ENABLE"
        }
      }
    }
  },
  "aggs": {
    "counts_aggs": {
      "terms": {
        "script": "params['_source']['objectList'].size()"
      },
      "aggs": {
        "top_hits_aggs": {
          "top_hits": {
            "size": 10
          }
        }
      }
    }
  }
}

对比方案 3,方案 4相对鸡肋和繁冗、复杂。

也更进一步体会:runtime_field 的妙处。

4、换个思路?轻装上阵!

什么思路?之前文章有过解读——空间换时间

具体实现如下:

4.1 步骤1:预处理新增字段  nested_size。

PUT  _ingest/pipeline/add_nested_size_pipeline
{
  "processors": [
    {
      "script": {
        "lang": "painless",
        "source": "ctx.nested_size = ctx.objectList.size();"
      }
    }
  ]
}

4.2 步骤2:创建索引且导入数据。

创建索引同时指定步骤 1 的 pipeline 预处理管道。

PUT appweb_ext
{
  "settings": {
    "index": {
      "default_pipeline": "add_nested_size_pipeline"
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "orderTime": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss"
      },
      "objectList": {
        "type": "nested",
        "properties": {
          "addTime": {
            "type": "date",
            "format": "yyyy-MM-dd HH:mm:ss"
          },
          "customerPersonId": {
            "type": "long"
          },
          "lossStatus": {
            "type": "text"
          }
        }
      }
    }
  }
}



POST appweb_ext/_bulk
{"index":{"_id":1}}
{"name":"111","orderTime":"2022-02-02 02:02:02","objectList":[{"addTime":"2022-02-02 02:02:02","customerPersonId":101,"lossStatus":"ENABLE"},{"addTime":"2022-02-02 02:02:02","customerPersonId":102,"lossStatus":"ENABLE"}]}
{"index":{"_id":2}}
{"name":"222","orderTime":"2022-02-02 02:02:02","objectList":[{"addTime":"2022-02-02 02:02:02","customerPersonId":201,"lossStatus":"2222"},{"addTime":"2022-02-02 02:02:02","customerPersonId":202,"lossStatus":"2222"},{"addTime":"2022-02-02 02:02:02","customerPersonId":203,"lossStatus":"3333"}]}
{"index":{"_id":3}}
{"name":"111","orderTime":"2022-02-02 02:02:02","objectList":[{"addTime":"2022-02-02 02:02:02","customerPersonId":101,"lossStatus":"ENABLE"}]}
{"index":{"_id":4}}
{"name":"111","orderTime":"2022-02-02 02:02:02","objectList":[{"addTime":"2022-02-02 02:02:02","customerPersonId":101,"lossStatus":"ENABLE"},{"addTime":"2022-02-02 02:02:02","customerPersonId":102,"lossStatus":"ENABLE"},{"addTime":"2022-02-02 02:02:02","customerPersonId":103,"lossStatus":"ENABLE"}]}

4.3 步骤3:复杂脚本检索变成简单检索实现。

bool 组合条件,一个 nested 检索 + 一个 range query,轻松搞定!

POST appweb_ext/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "nested": {
            "path": "objectList",
            "query": {
              "match_phrase": {
                "objectList.lossStatus": "ENABLE"
              }
            }
          }
        },
        {
          "range": {
            "nested_size": {
              "gt": 2
            }
          }
        }
      ]
    }
  }
}

此方案是我极力推广的方案,需要我们多结合业务实际,多在数据写入前的设计阶段、数据建模阶段做“文章”。而不是快速导入数据,后面丢给复杂的检索脚本实现。

一般项目实战阶段,很多人会说,“工期要紧,我管不了那么多”。项目后期复盘会发现,“看似快了,实则慢了”,最终感叹:“预处理的工作不要省也不能省”!

5、小结

看似简单的几个方案,我从入手到梳理完毕耗时大于 6 个小时+。主要是painless 脚本没有固定的章法可循,需要摸索和反复验证。

意外收获是方案3,基于方案 4 的创新方案,比较灵活好用。

但,我更推荐空间换时间的方案。能预处理搞定的事情,就不要留到检索阶段实现。

欢迎留言说下您的方案和思考!

6、参考

https://stackoverflow.com/questions/64447956

https://stackoverflow.com/questions/54022283

https://stackoverflow.com/questions/57144172

https://t.zsxq.com/FAQ7mUN 

https://www.ru-rocker.com/2020/11/03/filtering-nested-array-objects-in-elasticsearch-document-with-painless-scripting/ 

https://medium.com/@felipegirotti/elasticsearch-filter-field-array-more-than-zero-8d52d067d3a0

推荐

1、重磅 | 死磕 Elasticsearch 方法论认知清单(2021年国庆更新版)
2如何从0到1打磨一门 Elasticsearch 线上直播课?(口碑不错)
3、如何系统的学习 Elasticsearch ?
4、Elasticsearch 预处理没有奇技淫巧,请先用好这一招!
5、干货 | 论Elasticsearch数据建模的重要性

更短时间更快习得更多干货!

和全球近 1600+ Elastic 爱好者一起精进!


比同事抢先一步学习进阶干货!
继续滑动看下一个
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存