非规范化和并发

当然，数据非规范化也有弊端。第一个缺点是索引会更大因为每个博客文章文档的 _source 将会更大，并且这里有很多的索引字段。这通常不是一个大问题。数据写到磁盘将会被高度压缩，而且磁盘已经很廉价了。Elasticsearch 可以愉快地应付这些额外的数据。

更重要的问题是，如果用户改变了他的名字，他所有的博客文章也需要更新了。幸运的是，用户不经常更改名称。即使他们做了， 用户也不可能写超过几千篇博客文章，所以更新博客文章通过 scroll 和 bulk APIs 大概耗费不到一秒。

然而，让我们考虑一个更复杂的场景，其中的变化很常见，影响深远，而且非常重要，并发。

在这个例子中，我们将在 Elasticsearch 模拟一个文件系统的目录树，非常类似 Linux 文件系统：根目录是 / ，每个目录可以包含文件和子目录。

我们希望能够搜索到一个特定目录下的文件，等效于：

  1.     grep "some text" /clinton/projects/elasticsearch/*

这就要求我们索引文件所在目录的路径：

  1. PUT /fs/file/1
  2. {
  3.   "name":     "README.txt", <1>
  4.   "path":     "/clinton/projects/elasticsearch", <2>
  5.   "contents": "Starting a new Elasticsearch project is easy..."
  6. }

<1> 文件名

<2> 文件所在目录的全路径

Note:事实上，我们也应当索引 directory 文档，如此我们可以在目录内列出所有的文件和子目录，但为了简洁，我们将忽略这个需求。

我们也希望能够搜索到一个特定目录下的目录树包含的的任何文件，相当于此：

  1.     grep -r "some text" /clinton

为了支持这一点，我们需要对路径层次结构进行索引：

  • /clinton
  • /clinton/projects
  • /clinton/projects/elasticsearch

这种层次结构能够通过 path 字段使用 {ref}/analysis-pathhierarchy-tokenizer.html[path_hierarchy tokenizer] 自动生成：

  1. PUT /fs
  2. {
  3.   "settings": {
  4.     "analysis": {
  5.       "analyzer": {
  6.         "paths": { <1>
  7.           "tokenizer": "path_hierarchy"
  8.         }
  9.       }
  10.     }
  11.   }
  12. }

<1> 自定义的 paths 分析器在默认设置中使用 {ref}/analysis-pathhierarchy-tokenizer.html[path_hierarchy tokenizer]。

file 类型的映射看起来如下所示：

  1. PUT /fs/_mapping/file
  2. {
  3.   "properties": {
  4.     "name": { <1>
  5.       "type":  "string",
  6.       "index": "not_analyzed"
  7.     },
  8.     "path": { <2>
  9.       "type":  "string",
  10.       "index": "not_analyzed",
  11.       "fields": {
  12.         "tree": { <2>
  13.           "type":     "string",
  14.           "analyzer": "paths"
  15.         }
  16.       }
  17.     }
  18.   }
  19. }

<1> name 字段将包含确切名称。

<2> path 字段将包含确切的目录名称，而 path.tree 字段将包含路径层次结构。

一旦索引建立并且文件已被编入索引，我们可以执行一个搜索，在 /clinton/projects/elasticsearch 目录中包含 elasticsearch 的文件，如下所示：

  1. GET /fs/file/_search
  2. {
  3.   "query": {
  4.     "filtered": {
  5.       "query": {
  6.         "match": {
  7.           "contents": "elasticsearch"
  8.         }
  9.       },
  10.       "filter": {
  11.         "term": { <1>
  12.           "path": "/clinton/projects/elasticsearch"
  13.         }
  14.       }
  15.     }
  16.   }
  17. }

<1> 仅在该目录中查找文件。

所有在 /clinton 下面的任何子目录存放的文件将在 path.tree 字段中包含 /clinton 词项。所以我们能够搜索 /clinton 的任何子目录中的所有文件，如下所示：

  1. GET /fs/file/_search
  2. {
  3.   "query": {
  4.     "filtered": {
  5.       "query": {
  6.         "match": {
  7.           "contents": "elasticsearch"
  8.         }
  9.       },
  10.       "filter": {
  11.         "term": { <1>
  12.           "path.tree": "/clinton"
  13.         }
  14.       }
  15.     }
  16.   }
  17. }

<1> 在这个目录或其下任何子目录中查找文件。

重命名文件和目录

到目前为止一切顺利。重命名一个文件很容易—所需要的只是一个简单的 update 或 index 请求。你甚至可以使用 optimistic concurrency control 确保你的变化不会与其他用户的变化发生冲突：

  1. PUT /fs/file/1?version=2 <1>
  2. {
  3.   "name":     "README.asciidoc",
  4.   "path":     "/clinton/projects/elasticsearch",
  5.   "contents": "Starting a new Elasticsearch project is easy..."
  6. }

<1> version 编号确保该更改仅应用于该索引中具有此相同的版本号的文档。

我们甚至可以重命名一个目录，但这意味着更新所有存在于该目录下路径层次结构中的所有文件。这可能快速或缓慢，取决于有多少文件需要更新。我们所需要做的就是使用 scroll 来检索所有的文件， 以及bulk API 来更新它们。这个过程不是原子的，但是所有的文件将会迅速转移到他们的新存放位置。