1、构造用户与博客数据
在构造数据模型的时候，还是将有关联关系的数据，然后分割为不同的实体，类似于关系型数据库中的模型
案例背景：博客网站， 我们会模拟各种用户发表各种博客，然后针对用户和博客之间的关系进行数据建模，同时针对建模好的数据执行各种搜索/聚合的操作
| PUT /website/users/1 { "name": "小鱼儿", "email": "[email protected]", "birthday": "1980-01-01" }
PUT /website/blogs/1 { "title": "我的第一篇博客", "content": "这是我的第一篇博客，开通啦！！！" "userId": 1 }
|
一个用户对应多个博客，一对多的关系，做了建模
建模方式，分割实体，类似三范式的方式，用主外键关联关系，将多个实体关联起来
2、搜索小鱼儿发表的所有博客
先要搜索出小鱼儿对应的userId
| GET /website/users/_search { "query": { "term": { "name.keyword": { "value": "小鱼儿" } } } }
结果： { "took": 91, "timed_out": false, "_shards": { "total": 5, "successful": 5, "failed": 0 }, "hits": { "total": 1, "max_score": 0.2876821, "hits": [ { "_index": "website", "_type": "users", "_id": "1", "_score": 0.2876821, "_source": { "name": "小鱼儿", "email": "[email protected]", "birthday": "1980-01-01" } } ] } }
|
比如这里搜索的是，1万个用户的博客，可能第一次搜索，会得到1万个userId
根据userId获取博客
| GET /website/blogs/_search { "query": { "constant_score": { "filter": { "terms": { "userId": [ 1 ] } } } } } 结果： { "took": 4, "timed_out": false, "_shards": { "total": 5, "successful": 5, "failed": 0 }, "hits": { "total": 1, "max_score": 1, "hits": [ { "_index": "website", "_type": "blogs", "_id": "1", "_score": 1, "_source": { "title": "小鱼儿的第一篇博客", "content": "大家好，我是小鱼儿，这是我写的第一篇博客！", "userId": 1 } } ] } }
|
第二次搜索的时候，要放入terms中1万个userId，才能进行搜索，这个时候性能比较差了
上面的操作，就属于应用层的join，在应用层先查出一份数据，然后再查出一份数据，进行关联
3、优点和缺点
优点：数据不冗余，维护方便
缺点：应用层join，如果关联数据过多，导致查询过大，性能很差