如何對AWS CloudSearch文檔的關系數據進行非規范化？

Question

AWS CloudSearch希望您將其平整的數據文檔發送給他們，以進行索引以進行搜索，如下所示：

[
 {"type": "add",
  "id":   "123456",
  "fields": {
     "account_id": "123456",
     "name": "foo",
     "addresses": []
  }
 }
]

假設我有一個帶有accounts表和addresses表的數據庫。

每個account有很多addresses 。 addresses表具有以下字段：

• 地址1
• 地址2
• 市
• 州
• 壓縮
• account_id（參考字段）

如何在CloudSearch文檔結構中對地址進行非規范化，以便可以在帳戶和地址中的所有列中進行搜索？

還是應該為每個表創建一個單獨的搜索域？

Answer 1

我假設您的用例是：

• 通過他們的account_id檢索地址
• 通過地址檢索account_ids
• 在特定城市/州/郵編中查找帳戶

我建議以下兩件事：

• 將每個地址索引為一個單獨的文檔

  我會將每個地址索引為一個單獨的文檔。 每個地址都有一個單獨的文檔，將使您能夠保持不同字段之間的關系（如果每個帳戶都有多個城市和多個州，則可能會丟失該關系）。

• 分別索引每個字段

  我會分別索引每個字段（城市，州等）。 突破每個字段將使您能夠獨立搜索它們（例如，獲取俄亥俄州克利夫蘭的所有地址），將它們用作構面，基於它們提高分數等。

這是我建議的架構中一些文檔的示例：

[
 {"type": "add",
  "id":   "<see below>",
  "fields": {
     "account_id": "123456",
     "name": "John Smith",
     "address_1": "1 Main St",
     "address_2": "Apt 1",
     "city": "Davenport",
     "state": IA,
     "zip": 52081
  }
 },
 {"type": "add",
  "id":   "<see below>",
  "fields": {
     "account_id": "123456",
     "name": "John Smith",
     "address_1": "2 Elm St",
     "city": "Lincoln",
     "state": NE,
     "zip": 23452
  }
 }
]

產生文件編號：

請注意，您需要一些非隨機方式來構造唯一的document_id（每個帳戶+地址唯一，而不僅僅是每個帳戶唯一）。 諸如account_id加上地址，城市，州，郵編的哈希值等都可以使用，或者您可以在表中添加另一列以唯一地標識它們（我更喜歡后者）。