elasticsearch - 如何在ElasticSearch中反规范化层次结构？

Question

我是ElasticSearch的新手，我有一棵树，它描述了某个文档的路径(不是真实的文件系统路径，只是将文章，图像和文档归类为一个简单的文本字段)。每个路径条目都有一个类型，例如:Group Name，Assembly name甚至Unknown。例如，可以在查询中使用这些类型以跳过路径中的某些条目。

我的源数据存储在SQL Server中，该架构如下所示:


通过将Tree.Id连接到Tree.ParentId来构建树，但是每个节点必须具有一个类型。文档连接到树中的叶子。

我不担心在SQL Server中查询结构，但是我应该找到一种最佳方法来对非规范化并在Elastic中搜索它们。如果我弄平路径并列出文档的“描述符”列表，则可以将每个“文档”条目存储为 flex 文档。

{
  "path": "NodeNameRoot/NodeNameLevel_1/NodeNameLevel_2/NodeNameLevel_3/NodeNameLevel_4",
  "descriptors": [
    {
      "name": "NodeNameRoot",
      "type": "type1"
    },
    {
      "name": "NodeNameLevel_1",
      "type": "type1"
    },
    {
      "name": "NodeNameLevel_2",
      "type": "type2"
    },
    {
      "name": "NodeNameLevel_3",
      "type": "type2"
    },
    {
      "name": "NodeNameLevel_4",
      "type": "type3"
    }
  ],
  "document": {
    ...
  }
}

我可以在ElasticSearch中查询这样的结构吗？还是应该以其他方式对路径进行非规范化？

我的主要问题:

可以根据类型或文本值查询它们(例如正则表达式匹配)。例如:给我所有的type2-> type3路径(实际上将type1排除在外)，其中路径包含X？

是否可以根据级别进行查询？就像我想要的路径，其中有4个描述符。

我可以使用内置功能进行搜索还是需要编写扩展名？

编辑
基于G Quintana的答案，我做了这样的索引:

curl -X PUT \
  http://localhost:9200/test \
  -H 'cache-control: no-cache' \
  -H 'content-type: application/json' \
  -d '{
  "mappings": {
    "path": {
      "properties": {
        "names": {
          "type": "text",
          "fields": {
            "raw": {
              "type": "keyword"
            },
            "tokens": {
              "type": "text",
              "analyzer": "pathname_analyzer"
            },
            "depth": {
              "type": "token_count",
              "analyzer": "pathname_analyzer"
            }
          }
        },
        "types": {
          "type": "text",
          "fields": {
            "raw": {
                "type": "keyword"
            },
            "tokens": {
                "type": "text",
                "analyzer": "pathname_analyzer"
            }
          }
        }
      }
    }
  },
  "settings": {
    "analysis": {
      "analyzer": {
        "pathname_analyzer": {
          "type": "pattern",
          "pattern": "#->>",
          "lowercase": true
        }
      }
    }
  }
}'

并可以这样查询深度:

curl -X POST \
  http://localhost:9200/test/path/_search \
  -H 'content-type: application/json' \
  -d '{
    "query": {
        "bool": {
            "should": [
                {"match": { "names.depth": 5 }}
            ]
        }
    }
}'

哪个返回正确的结果。我会再测试一点。

Answer 1

首先，您应该确定所有查询模式，以设计如何索引数据。

从您给出的示例中，我将为以下格式的文档建立索引:

{
  "path": "NodeNameRoot/NodeNameLevel_1/NodeNameLevel_2/NodeNameLevel_3/NodeNameLevel_4",
  "types: "type1/type1/type2/type2/type3",
  "document": {
    ...
  }
}

编制索引之前，必须配置映射和分析:

字段path:

使用text类型+基于pattern analyzer的分析器来分割/字符

使用 token_count 类型+同一个分析器来计算路径深度。创建一个multi field(path.depth)

字段types

使用text类型+基于pattern analyzer的分析器来分割/字符

配置索引映射和分析以拆分path和types字段以及，使用a或a

给我所有的type2-> type3路径，在match_phrase字段

上使用types查询
路径包含X的

在match字段

上使用path查询
那里有4个描述符的

在term子字段

上使用path.depth查询

您的描述符字段并不有趣。
对于某些用例，Path tokenizer可能很有趣。
您可以使用multi-fields在同一字段上应用多个分析器，然后查询是否有子字段。