搜索深入 - Ch2-RuntimeFields - 《ElasticSearch》

Runtime Field

Runtime Field

本文转载自https://blog.csdn.net/laoyang360/article/details/120574142

实战遇到的问题

在实战业务种，遇到数据导入后，但发现缺少部分必要字段，怎么解决？
例如: emotion 代表感情值，取值范围为: 0-1000, 其中 300-700 代表中性，0-300代表负面， 700-1000代表正面
但是实际业务种，我们需要: 中性: 0; 负面: -1; 正面: 1;

如何实现呢？

方案一：重新创建索引时添加字段，清除已有数据再重新导入数据。
方案二：重新创建索引时添加字段，原索引通过 reindex 写入到新索引。
方案三：提前指定数据预处理，结合管道 ingest 重新导入或批量更新 update_by_query 实现。
方案四：保留原索引不动，通过script 脚本实现。

方案一、二比较好理解，我们实现下方案三、四

方案三 Ingest预处理实现

DELETE news_00001
PUT news_00001
{
  "mappings": {
    "properties": {
      "emotion": {
        "type": "integer"
      }
    }
  }
}
POST news_00001/_bulk
{"index":{"_id":1}}
{"emotion":558}
{"index":{"_id":2}}
{"emotion":125}
{"index":{"_id":3}}
{"emotion":900}
{"index":{"_id":4}}
{"emotion":600}
PUT _ingest/pipeline/my-pipeline-1
{
  "description": "Set emotion flag param",
  "processors": [
    {
      "script": {
        "lang": "painless",
        "source": """
          if (ctx['emotion'] < 300 && ctx['emotion'] > 0)
            ctx['emotion_flag'] = -1;
          if (ctx['emotion'] >= 300 && ctx['emotion'] <= 700)
            ctx['emotion_flag'] = 0;
          if (ctx['emotion'] > 700 && ctx['emotion'] < 1000)
            ctx['emotion_flag'] = 1;
"""
      }
    }
  ]
}

POST news_00001/_update_by_query?pipeline=my-pipeline-1
{
  "query": {
    "match_all": {}
  }
}

方案三的核心：定义了预处理管道：my-pipeline-1，管道里做了逻辑判定，对于emotion 不同的取值区间，设置 emotion_flag 不同的结果值。
该方案必须提前创建管道，可以通过写入时指定缺省管道 default_pipeline或者结合批量更新实现。
实际是两种细分实现方式：

方式一：udpate_by_query 批量更新。而更新索引尤其全量更新索引是有很大的成本开销的。
方式二：写入阶段指定预处理管道，每写入一条数据预处理一次。
方案四：script脚本实现
```
POST news_00001/_search
{
"query": {
  "match_all": {}
},
"script_fields": {
  "emotion_flag": {
    "script": {
      "lang": "painless",
      "source": "if (doc['emotion'].value < 300 && doc['emotion'].value>0) return -1; if (doc['emotion'].value >= 300 && doc['emotion'].value<=700) return 0; if (doc['emotion'].value > 700 && doc['emotion'].value<=1000) return 1;"
    }
  }
}
}
```
方案四的核心：通过 script_field 脚本实现。
该方案仅是通过检索获取了结果值，该值不能用于别的用途，比如：聚合。
还要注意的是：script_field 脚本处理字段会有性能问题。
两种方案各有利弊，这时候我们会进一步思考：
能不能不改 Mapping、不重新导入数据，就能得到我们想要的数据呢？
早期版本不可以，7.11 版本之后的版本有了新的解决方案——Runtime fields 运行时字段
Runtime fields产生背景
Runtime fields 运行时字段是旧的脚本字段 script field 的 Plus 版本，引入了一个有趣的概念，称为“读取建模”（Schema on read）。
有 Schema on read 自然会想到 Schema on write（写时建模），传统的非 runtime field 类型都是写时建模的，而 Schema on read 则是另辟蹊径、读时建模。
这样，运行时字段不仅可以在索引前定义映射，还可以在查询时动态定义映射，并且几乎具有常规字段的所有优点。
Runtime fields在索引映射或查询中一旦定义，就可以立即用于搜索请求、聚合、筛选和排序。
用Runtime fields解决问题
```json PUT news_00001/_mapping { “runtime”: { “emotion_flag_new”: {
```
"type": "keyword",
"script": {
  "source": "if (doc['emotion'].value > 0 && doc['emotion'].value < 300) emit('-1'); if (doc['emotion'].value >= 300 && doc['emotion'].value<=700) emit('0'); if (doc['emotion'].value > 700 && doc['emotion'].value<=1000) emit('1');"
}
```
} } }

GET news_00001/_search { “fields” : [“*”] }

<a name="Xq5bq"></a>
### Runtime fields 实战
第一：PUT news_00001/_mapping 是在已有 Mapping 的基础上 更新 Mapping。<br />这是更新 Mapping 的方式。实际上，创建索引的同时，指定 runtime field 原理一致。实现如下：
```json
PUT news_00002
{
  "mappings": {
    "runtime": {
      "emotion_flag_new": {
        "type": "keyword",
        "script": {
          "source": "if (doc['emotion'].value > 0 && doc['emotion'].value < 300) emit('-1'); if (doc['emotion'].value >= 300 && doc['emotion'].value<=700) emit('0'); if (doc['emotion'].value > 700 && doc['emotion'].value<=1000) emit('1');"
        }
      }
    },
    "properties": {
      "emotion": {
        "type": "integer"
      }
    }
  }
}

第二：更新的什么呢？
加了字段，确切的说，加了：runtime 类型的字段，字段名称为：emotion_flag_new，字段类型为：keyword，字段数值是用脚本 script 实现的。
脚本实现的什么呢？

当 emotion 介于 0 到 300 之间时，emotion_flag_new 设置为 -1 。
当 emotion 介于 300 到 700 之间时，emotion_flag_new 设置为 0。
当 emotion 介于 700 到 1000 之间时，emotion_flag_new 设置为 1。

第三：如何实现检索呢？
我们尝试一下传统的检索，看一下结果。
我们先看一下 Mapping：

{
  "news_00001" : {
    "mappings" : {
      "runtime" : {
        "emotion_flag_new" : {
          "type" : "keyword",
          "script" : {
            "source" : "if (doc['emotion'].value > 0 && doc['emotion'].value < 300) emit('-1'); if (doc['emotion'].value >= 300 && doc['emotion'].value<=700) emit('0'); if (doc['emotion'].value > 700 && doc['emotion'].value<=1000) emit('1');",
            "lang" : "painless"
          }
        }
      },
      "properties" : {
        "emotion" : {
          "type" : "integer"
        }
      }
    }
  }
}

多了一个 runtime 类型的字段：emotion_flag_new

GET news_00001/_search

结果如下:

执行查询

GET news_00001/_search
{
  "query": {
    "match": {
      "emotion_flag_new": "-1"
    }
  }
}

返回结果如下：

执行：

GET news_00001/_search
{
  "fields" : ["*"],
  "query": {
    "match": {
      "emotion_flag_new": "-1"
    }
  }
}

返回结果如下：

Runtime fields 核心语法解读

为什么加了：field:[] 才可以返回检索匹配结果呢？因为：Runtime fields 不会显示在：_source 中，但是：fields API 会对所有 fields 起作用。如果需要指定字段，就写上对应字段名称；否则，写代表全部字段。

如果不想另起炉灶定义新字段，在原来字段上能实现吗？

其实上面的示例已经完美解决问题了，但是再吹毛求疵一下，在原有字段 emotion 上查询时实现更新值可以吗？

POST news_00001/_search
{
  "runtime_mappings": {
    "emotion": {
      "type": "keyword",
      "script": {
        "source": """
         if(params._source['emotion'] > 0 && params._source['emotion'] < 300) {emit('-1')}
         if(params._source['emotion'] >= 300 && params._source['emotion'] <= 700) {emit('0')}
         if(params._source['emotion'] > 700 && params._source['emotion'] <= 1000) {emit('1')}
        """
      }
    }
  },
  "fields": [
    "emotion"
  ]
}

返回结果：

解释一下：
第一：原来 Mapping 里面 emotion是 integer 类型的。
第二：我们定义的是检索时类型，mapping 没有任何变化，但是：检索时字段类型 emotion 在字段名称保持不变的前提下，被修改为：keyword 类型。
这是一个非常牛逼的功能！！！
早期 5.X、6.X 没有这个功能的时候，实际业务中我们的处理思路如下：

步骤一：停掉实时写入；
步骤二：创建新索引，指定新 Mapping，新增 emotion_flag 字段。
步骤三：恢复写入，新数据会生效；老数据 reindex 到新索引，reindex 同时结合 ingest 脚本处理。

有了 Runtime field，这种相当繁琐的处理的“苦逼”日子一去不复回了！

Runtime fields 适用场景

比如：日志场景。运行时字段在处理日志数据时很有用，尤其是当不确定数据结构时。
使用了 runtime field，索引大小要小得多，可以更快地处理日志而无需对其进行索引。

Runtime fields 优缺点

优点 1：灵活性强

运行时字段非常灵活。主要体现在：

需要时，可以将运行时字段添加到我们的映射中。
不需要时，轻松删除它们。

删除操作实战如下：

PUT news_00001/_mapping
{
 "runtime": {
   "emotion_flag": null
 }
}

也就是说将这个字段设置为：null，该字段便不再出现在 Mapping 中。

优点 2：打破传统先定义后使用方式

运行时字段可以在索引时或查询时定义。
由于运行时字段未编入索引，因此添加运行时字段不会增加索引大小，也就是说 Runtime fields 可以降低存储成本。

优点3：能阻止 Mapping 爆炸

Runtime field 不被索引（indexed）和存储（stored），能有效阻止 mapping “爆炸”。
原因在于 Runtime field 不计算在 index.mapping.total_fields 限制里面。

缺点1：对运行时字段查询会降低搜索速度

对运行时字段的查询有时会很耗费性能，也就是说，运行时字段会降低搜索速度。

Runtime fields 使用建议

权衡利弊：可以通过使用运行时字段来减少索引时间以节省 CPU 使用率，但是这会导致查询时间变慢，因为数据的检索需要额外的处理。
结合使用：建议将运行时字段与索引字段结合使用，以便在写入速度、灵活性和搜索性能之间找到适当的平衡。

Ch2-RuntimeFields