1、什么是数据模型？
数据模型是抽象描述现实世界的一种工具和方法，是通过抽象的实体及实体之间联系的形式，用图形化的形式去描述业务规则的过程，从而表示现实世界中事务的相互关系的一种映射。
核心概念：
- 实体：现实世界中存在的可以相互区分的事务或概念称为实体。
实体可以分为事物实体和概念实体。例如：一个学生、一个程序员等是事物实体。一门课、一个班级等称为概念实体。 - 实体的属性：每个实体都有自己的特征，利用实体的属性可以区别不同的实体。例如。学生实体的属性为姓名、性别、年龄等。
2、数据建模的过程？
数据建模大致分为三个阶段，概念建模阶段，逻辑建模阶段和物理建模阶段。
2.1 概念建模阶段
概念建模阶段，主要做三件事：
- 客户交流
- 理解需求
- 形成实体
确定系统的核心需求和范围边界，设计实体与实体之间的关系。
在概念建模阶段，我们只需要关注实体即可，不用关注任何实现细节。很多人都希望在这个阶段把具体表结构，索引，约束，甚至是存储过程都想好，没必要！因为这些东西使我们在物理建模阶段需要考虑的东西，这个时候考虑还为时尚早。
概念模型在整个数据建模时间占比：10%左右。
2.2 逻辑建模阶段
逻辑建模阶段，主要做二件事：
- 进一步树立业务需求，
- 确定每个实体的属性、关系和约束等。
逻辑模型是对概念模型的进一步分解和细化，描述了实体、实体属性以及实体之间的关系，是概念模型延伸，一般的逻辑模型有第三范式，星型模型和雪花模型。模型的主要元素为主题、实体、实体属性和关系。
逻辑模型的作用主要有两点。
- 一是便于技术开发人员和业务人员或者用户进行沟通 交流，使得整个概念模型更易于理解，进一步明确需求。
- 二是作为物理模型设计的基础，由于逻辑模型不依赖于具体的数据库实现，使用逻辑模型可以生成针对具体 数据库管理系统的物理模型，保证物理模型充分满足用户的需求。
逻辑模型在整个数据建模时间占比：60—70%左右。
2.3 物理建模阶段
物理建模阶段，主要做一件事：
- 结合具体的数据库产品（mysql/oracle/mongo/elasticsearch），在满足业务读写性能等需求的前提下确定最终的定义。
物理模型是在逻辑模型的基础上描述模型实体的细节，包括数据库产品对应的数据类型、长度、索引等因素，为逻辑模型选择一个最有的物理存储环境。 - 逻辑模型转化为物理模型的过程也就是实体名转化为表名，属性名转化为物理列名的过程。
在设计物理模型时，还需要考虑数据存储空间的分配，包括对列属性必须做出明确的定 义。
例如：客户姓名的数据类型是varchar2，长度是20，存储在Oracle数据库中，并且建立索引用于提高该字段的查询效率。
物理模型在整个数据建模时间占比：20—30%左右。
3、数据建模的意义？
如下图所示：
数据模型支撑了系统和数据，系统和数据支撑了业务系统。
一个好的数据模型：
- 能让系统更好的集成、能简化接口。
- 能简化数据冗余、减少磁盘空间、提升传输效率。
- 兼容更多的数据，不会因为数据类型的新增而导致实现逻辑更改。
- 能帮助更多的业务机会，提高业务效率。
- 能减少业务风险、降低业务成本。
举例: 借助logstash实现mysql到Elasticsearch的增量同步，如果数据建模阶段没有设计：时间戳或者自增ID，就几乎无法实现。
4、Elasticsearch数据建模注意事项
4.1 ES Mapping 设置
4.2 ES Mapping 字段设置流程图
4.3 ES 万能Mapping 模板参考
以下的索引 Mapping中，_source设置为false，同时各个字段的store根据需求设置了true和false。
url的doc_values设置为false，该字段url不用于聚合和排序操作。
PUT blog_index
{
"mappings": {
"doc": {
"_source": {
"enabled": false
},
"properties": {
"title": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 100
}
},
"store": true
},
"publish_date": {
"type": "date",
"store": true
},
"author": {
"type": "keyword",
"ignore_above": 100,
"store": true
},
"abstract": {
"type": "text",
"store": true
},
"content": {
"type": "text",
"store": true
},
"url": {
"type": "keyword",
"doc_values":false,
"norms":false,
"ignore_above": 100,
"store": true
}
}
}
}
}5、不可回避——ES多表关联
实际业务问题：多层数据结构，一对多关系，如何用一个查询查询所有的数据？
比如数据结构如下：帖子–帖子评论–评论用户 3层。
现在需要查询一条帖子，最好能查询到帖子下的评论，还有评论下面的用户数据，一个查询能搞定吗？目前两层我可以查询到，3层就不行了。
如果一次查询不到，那如何设计数据结构？又应该如何查询呢？
目前ES主要有以下4种常用的方法来处理数据实体间的关联关系：
（1）Application-side joins（服务端Join或客户端Join）
这种方式，索引之间完全独立（利于对数据进行标准化处理，如便于上述两种增量同步的实现），由应用端的多次查询来实现近似关联关系查询。这种方法适用于第一个实体只有少量的文档记录的情况（使用ES的terms查询具有上限，默认1024，具体可在elasticsearch.yml中修改），并且最好它们很少改变。这将允许应用程序对结果进行缓存，并避免经常运行第一次查询。
（2）Data denormalization（数据的非规范化）
这种方式，通俗点就是通过字段冗余，以一张大宽表来实现粗粒度的index，这样可以充分发挥扁平化的优势。但是这是以牺牲索引性能及灵活度为代价的。使用的前提：冗余的字段应该是很少改变的；比较适合与一对少量关系的处理。当业务数据库并非采用非规范化设计时，这时要将数据同步到作为二级索引库的ES中，就很难使用上述增量同步方案，必须进行定制化开发，基于特定业务进行应用开发来处理join关联和实体拼接。
ps：宽表处理在处理一对多、多对多关系时，会有字段冗余问题，适合“一对少量”且这个“一”更新不频繁的应用场景。宽表化处理，在查询阶段如果只需要“一”这部分时，需要进行结果去重处理（可以使用ES5.x的字段折叠特性，但无法准确获取分页总数，产品设计上需采用上拉加载分页方式）
（3）Nested objects（嵌套文档）
索引性能和查询性能二者不可兼得，必须进行取舍。嵌套文档将实体关系嵌套组合在单文档内部（类似与json的一对多层级结构），这种方式牺牲索引性能（文档内任一属性变化都需要重新索引该文档）来换取查询性能，可以同时返回关系实体，比较适合于一对少量的关系处理。
ps: 当使用嵌套文档时，使用通用的查询方式是无法访问到的，必须使用合适的查询方式（nested query、nested filter、nested facet等），很多场景下，使用嵌套文档的复杂度在于索引阶段对关联关系的组织拼装。
（4）Parent/child relationships（父子文档）
父子文档牺牲了一定的查询性能来换取索引性能，适用于一对多的关系处理。其通过两种type的文档来表示父子实体，父子文档的索引是独立的。父-子文档ID映射存储在 Doc Values 中。当映射完全在内存中时， Doc Values 提供对映射的快速处理能力，另一方面当映射非常大时，可以通过溢出到磁盘提供足够的扩展能力。 在查询parent-child替代方案时，发现了一种filter-terms的语法，要求某一字段里有关联实体的ID列表。基本的原理是在terms的时候，对于多项取值，如果在另外的index或者type里已知主键id的情况下，某一字段有这些值，可以直接嵌套查询。具体可参考官方文档的示例：通过用户里的粉丝关系，微博和用户的关系，来查询某个用户的粉丝发表的微博列表。
ps：父子文档相比嵌套文档较灵活，但只适用于“一对大量”且这个“一”不是海量的应用场景，该方式比较耗内存和CPU，这种方式查询比嵌套方式慢5~10倍，且需要使用特定的has_parent和has_child过滤器查询语法，查询结果不能同时返回父子文档（一次join查询只能返回一种类型的文档）。而受限于父子文档必须在同一分片上，ES父子文档在滚动索引、多索引场景下对父子关系存储和联合查询支持得不好，而且子文档type删除比较麻烦（子文档删除必须提供父文档ID）。
如果业务端对查询性能要求很高的话，还是建议使用宽表化处理*的方式，这样也可以比较好地应对聚合的需求。在索引阶段需要做join处理，查询阶段可能需要做去重处理，分页方式可能也得权衡考虑下。
6、小结
本篇文章基于rockybean《Elasticsearch从入门到实践》数据建模篇结合社区精彩问答进行了梳理和扩展，“站在巨人的”肩上，更能体会建模的重要性。
实际业务开发中，务必重视建模，前期在建模方面多下苦功夫、后期的业务系统开发才能水到渠成，更健壮、更有扩展性！
参考：
[1]、rockybean《Elasticsearch从入门到实践》
[2]、官网：https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html
[3]、ES建模网站：https://hackolade.com/help/Elasticsearch.html
[4]、ES多表关联讨论：https://elasticsearch.cn/question/4655
[5]、数据建模1：https://www.zhihu.com/question/266716340
[6]、数据建模2：http://czmmiao.iteye.com/blog/1826904
[7]、数据建模3：https://zhuanlan.zhihu.com/data-analyst-improvement
打造Elasticsearch基础、进阶、实战第一公众号！
