关系型数据库与 Elasticsearch 组合使用要点
关系型数据库局限性
1.关系型数据库支持有限度的关联查询，一般在业务应用系统中，关联表会控制在 2～3 个表（有 3 个表关联的业务场景需要评估是否容许，开发工程师只容许 2 个表关联），且单表的数据量要平衡考虑，跨同构数据库源关联不容许，而跨异构数据库源更是有心无力。
2. 关系型数据库虽然支持主从同步，支持读写分离，但集群是一种松散式的架构，集群节点感知能力脆弱，不成体系，弹性扩展能力不行。
ES互补性
1. ES默认为所有字段创建索引，任意索引字段可组合使用，且查询效率相当高。业务系统中有很多场景都需要这种任意字段组合查询的能力，简称通用搜索 。
2. ES的数据模型采用 Free Scheme 模式，以 JSON 主体，数据字段可以灵活添加，字段层级位置也可灵活设置 ，关系数据库中需要多表关联查询，在 ES 中可以通过反范式的关联能力，将多个业务表数据合并到一个索引中，采用对象嵌套的方式。
3. Elasticsearch 的索引支持弹性搜索，可以指定一个索引搜索，也可以指定多个索引搜索，搜索结果由 ES 提供过滤合并，为业务系统提供灵活的操作空间，特别是在实时数据与历史数据方面，统一查询条件语法皆可执行。
4. Elasticsearch 支持数据字段与索引字段分离，默认情况下，数据字段与索引字段是同时启用，实际业务场景中，数据表中很多字段无需检索，只是为了存储数据，在查询时方便取回；很多检索字段也无需存储原始数据，只是检索过滤使用。
业务层考虑
即使采用单业务领域水平分库分表和多业务领域垂直分库分表机制，包括物理层面分库分表，逻辑层面分区等，解决了数据的存储问题，但需要做合并查询不易，业务系统的查询条件一般是动态的，无法固定，更加不可能在分库分表时按照所有动态条件设计。所以需要结合 Elasticsearch，所以
1. 业务数据存储由关系型数据库负责，有强事务隔离机制，保障数据不丢失、不串乱、不覆盖，实时可靠。
2. 业务数据查询由 Elasticsearch 负责，分库分表的数据合并同步到 ES 索引；跨领域库表数据合并同步到 ES 索引，这样就可以高效查询。
组合场景下的业务场景数据模型映射分为以下几种：
单数据表->单索引
一对一映射关系，关系数据库有多少个表，Elasticsearch 就有多少个索引；
关系数据库解决一致性，提供原始数据源，Elasticsearch 替代数据库成为查询引擎，替代列表查询场景，解决查询性能；
单数据表为水平分库分表设计，需要借助Elasticsearch 合并查询；
单数据表业务查询组合条件多，数据库索引查询能力局限，需要借助 Elasticsearch 全字段索引查询能力
单数据表->多索引
1.一对多映射关系，单数据表映射到多个索引中；
2.单数据表即作为 A索引的主体对象，一对一映射；
3.单数据表也作为 B索引的子对象，嵌入到主体对象下面；
基于微服务架构设计，在业务系统中，业务系统划分多个子领域，子领域也可以继续细分，如电商行业，订单领域与商品领域，订单表需要映射到订单索引，也需要与商品索引映射，解决DB的关联查询能力瓶颈和DB索引查询能力限制。
多数据表->单索引
1.多个DB表一个索引，多对一映射关系，多个数据表映射到单一索引，索引可以采用宽表结构，也可以采用子对象映射方式；
2.单业务领域，数据表设计时一般会遵循数据库范式，即使是反范式设计，也只会增加些许冗余，如果要多表联合查询，数据库表的关联效率很低，甚至是运行不起来，需要借助 Elasticsearch 合并多个数据表到一个索引中；
3. 跨业务领域的数据表要联合查询，也需要借助 Elasticsearch 整合，提供通用查询能力。
多数据表->多索引
1. 多个DB表多个索引，多对多映射关系，多个数据表映射到多个索引，复杂度高；
2. 一个中型以上的业务系统，会划分成多个领域，单领域会持续细分为多个子领域，领域之间会形成网状关系，业务数据相互关联；
3. 数据库表关联查询效率低，跨库查询能力局限，需要借助 Elasticsearch 合并；
4. 按照领域需求不同，合并为不同的索引文件，各索引应用会有差异，部分是通用型的，面向多个领域公用；部分是特殊型的，面向单个领域专用。
多源数据表->多索引
1.多源多表，多对多映射关系，数据表与索引之间的映射关系是交叉型的，复杂度最高；
2.一个大中型业务系统，不同的业务场景会采用不同的数据存储系统；关系型数据库多样化，如 A项目采用 MySQL，B项目采用 PostgreSQL，C 项目选用 SQLServer，业务系统通用型的查询几乎不能实现；非关系型数据库多样化，如 A项目采用键值类型的 Redis，B项目选用文档型的 MongoDB，业务系统同样也不能实现通用型查询；
基于异构数据源通用查询的场景需求，同样需要借助 Elasticsearch 合并数据实现。
