여러 엔터티 바인딩을 사용하여 ElasticSearch 인덱스 구조를 최적화하는 방법은 무엇입니까?

여러 엔터티 바인딩으로 ElasticSearch 인덱스 구조를 구성하는 방법

배경

ElasticSearch(ES)를 레거시 애플리케이션과 자주 통합 데이터 구조와 인덱싱 요구 사항의 차이로 인해 문제가 발생합니다. 복잡한 관계형 스키마의 경우 데이터를 비정규화하고 항목을 평면화하면 성능을 향상하고 쿼리를 단순화할 수 있습니다.

질문:

여러 항목 바인딩(n)으로 데이터베이스를 평면화하려면 어떻게 해야 합니까? :m 관계)를 ES에서 최적의 인덱싱으로 사용하려면?

해결책:

1. 데이터 비정규화:

관련 엔터티의 삽입된 배열을 포함하여 모든 관련 데이터를 포함하는 제품 문서를 만듭니다. 스키마 예시는 다음과 같습니다.

{
  "id": "00c8234d71c4e94f725cd432ebc04",
  "title": "Alpha",
  "price": 589.0,
  "flags": ["Sellout", "Top Product"]
}

2. 매핑 유형:

새 스키마와 일치하도록 매핑 유형을 구성합니다:

PUT products
{
  "mappings": {
    "product": {
      "properties": {
        "id": {
          "type": "string",
          "index": "not_analyzed"
        },
        "title": {
          "type": "string"
        },
        "price": {
          "type": "double",
          "null_value": 0.0
        },
        "flags": {
          "type": "string",
          "index": "not_analyzed"
        }
      }
    }
  }
}

3. SQL 쿼리:

관련 엔터티를 결합하고 플래그 제목을 연결하는 쿼리를 사용하여 데이터베이스에서 데이터를 검색합니다.

위 내용은 여러 엔터티 바인딩을 사용하여 ElasticSearch 인덱스 구조를 최적화하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!