• 資料建模是建立資料模型的過程
• 資料模型是對真實世界進行抽象描述的一種工具和方法，實現對現實世界的對映
• 三個過程：概念模型=》邏輯模型=》資料模型
• 資料模型：結合具體的資料庫，在滿足業務讀寫效能等需求的前提下，確定最終定義
• 資料建模：功能需求+效能需求
• 邏輯模型（功能需求）
• 實體屬性
• 實體之間的關係
• 搜尋相關的配置
• 物理模型（效能需求）
• 索引模版
• 分片數量
• 索引Mapping
• 欄位配置
• 關係處理
• 對欄位進行建模

• 欄位型別：
• Text vs Keyword
• Text
• 用於全文字欄位，文字會被Analyzer分詞
• 預設不支援聚合分析及排序。需要設定fielddata為true
• Keyword
• 用於id,列舉及不需要分詞的文字。例如電話號碼，email地址，手機號碼，郵政編碼，性別等
• 適用於Filter(精確匹配)，Sorting和Aggregations
• 設定多欄位型別
• 預設會為文字型別設定成text,並且設定一個keyword的子欄位
• 在處理人類語言時，通過增加“英文”，“拼音”和“標準”分詞器，提高搜尋結果
• 結構化資料
• 數值型別
• 儘量選擇貼近的型別。例如可以用byte,就不要用long
• 列舉型別
• 設定為keyword。即便是數字，也應該設定成keyword,獲取更加好的效能
• 其他
• 日期/布林/地理資訊
• 檢索
• 如不需要檢索
• Enable設定成false
• 如不需要檢索
• Index設定成false
• 對需要檢索的欄位，可以通過如下配置，設定儲存粒度
• Index_options/Norms：不需要歸一化資料時，可以關閉
• 聚合及排序
• 如不需要排序和聚合分析
• Enable設定成false
• 如不需要排序或者聚合分析
• Doc_value/fielddata設定成false
• 更新頻繁，聚合查詢頻繁的keyword型別的欄位
• 推薦eager_global_ordinals設定為true
• 額外的儲存
• 是否需要專門儲存當前欄位資料
• Disable _source:節約磁碟；適用於指標型資料
• 一般建議考慮增加壓縮比
• 無法看到_source欄位，無法ReIndex 無法Upadte
• Kibana中無法做discovery
• 最佳實踐
• 建模建議一：如何處理關聯關係

• 建模建議二：避免過多欄位
• 一個文件中，最好避免大量的欄位
• 過多的欄位數不容易維護
• Mapping資訊儲存在Cluster State中，資料量過大，對叢集效能會有影響（Cluster State資訊需要和所有的節點同步）
• 刪除或者修改資料需要reindex
• 預設最大欄位數是1000，可以設定index.mapping.tatal_fields.limt限定最大欄位數
• Dynamic vs Strict
  • Dynamic（生產環境中，儘量不用開啟Dynamic）
    • true-未知欄位會被自動加入
    • false-新欄位不會被索引。但是會儲存在_source
    • strict-新欄位不會被索引，文件寫入失敗
  • Strict
    • 可以控制道欄位級別　　
• 當Dynamic設定為True,同時採用扁平化的設計且鍵值對過多會導致欄位數量的膨脹，通過Nested物件儲存key/value可以減少欄位數量。
• 建模建議三：避免正則查詢
  • 通過 Inner Object避免低效能的正則匹配　

{
  "version":{
  "display_name":"7.1.0",
  "marjor":7,
  "minor":1,
  "hot_fix":0  
  }
}

• 建模建議四：避免空值引起的聚合不準確
• 使用Null_Value解決空值的問題
• 建模建議五：為索引的Mapping加入Meta資訊便於管理

{
  "mappings": {
    "_meta": {
      "software_version_mapping": "1.0"
    }
  }
}