有2种常见的多维度查询场景，分别是：,普通的数据库查询，很难实现上述需求场景，更不用提模糊查询、全文检索了。,下面结合楼主的经验和知识，介绍初级方案、进阶方案（上ElasticSearch），大部分情况下推荐使用ElasticSearch来实现多维度查询，赶时间的读者可以直接跳到“进阶方案：将ElasticSearch添加到现有系统中”。,这个是为了实现带多个筛选条件的列表查询的。,于是就出现了经典的一幕：产品提需求说要支持某个新字段的筛选查询，开发反馈说做不了、或者成本很高，于是不了了之 :）,更加优雅的方式，是异构出多份数据。,例如，C端按用户维度查询，B端按店铺维度查询，如果还有供应商，按供应商维度查询。一个数据库只能按一种维度来分库。,优点是：非常简单。,通过Canal同步数据，异构出多个维度的数据源。详见之前写的这篇文章： 架构师必备：巧用Canal实现异步、解耦的架构,优点是：更加优雅，无需改动程序主流程。,现有系统一般都会用到MySQL数据库，需要引入ES，为系统增强多维度查询的功能。,MySQL继续承担业务的实时读写请求、事务操作，ES承担近实时的多维度查询请求，ES可支撑十万级别qps（取决于节点数、分片数、副本数）。,需要注意的是：同步数据至ES是秒级延迟（主要耗费在索引refresh），而查询已进入索引的文档，是在数毫秒到数百毫秒级别。,需要同步机制，来把MySQL中的数据导入到ES中，主要流程如下：,代码示例如下（含详细注释）：,可参阅： https://www.elastic.co/guide/en/elasticsearch/client/index.html,因为既有MySQL，又有ES，所以有2种异构的数据模型。需要在代码中定义2种数据模型，并且实现类型互相转换的工具类。,ES之所以比MySQL，能胜任多维度查询、全文检索，是因为底层数据结构不同：,另外简要回顾一下ES的架构要点：,前面提到ES超高并发下存在瓶颈，极端情况下可能遇到OOM，因此超高并发下需要C++实现的专用搜索引擎,例如：
© 版权声明
文章版权归作者所有，未经允许请勿转载。
