如何使用Spring Data Elasticsearch实现层级位置对象的递归查询

Elasticsearch 本身不支持原生递归关联查询，针对你的地点层级数据场景，以下是3种可落地的实现方案，可根据业务场景选型：

方案1：冗余存储全量祖先路径（优先推荐，适合地点类低变动场景） #

这是生产环境最常用的树形结构存储方案，你只需在现有EsLocation实体类中新增冗余字段，写入数据时提前计算好当前节点的所有上级信息：

• 新增ancestorIds字段，类型为Keyword数组，存储当前节点所有上级节点的ID，顺序从直接父级到顶级节点，例如下属美国得克萨斯州的奥斯汀，该字段值为["得克萨斯州ID", "美国ID", "北美洲ID"]
• 可选新增fullPath字段，存储完整层级路径用于前端展示，例如北美洲/美国/得克萨斯州/奥斯汀

实体类修改示例 #

@Document(indexName = "locations", shards = 1, replicas = 0)
@Setting(settingPath = "analyzer.json")
public class EsLocation {

    @Id
    private String id;
    
    @Field(type = FieldType.Text, analyzer = "index", searchAnalyzer = "search", fielddata = true)
    private String name;

    @Field(type = FieldType.Text, analyzer = "index", searchAnalyzer = "search", fielddata = true)
    private String displayName;

    @Field(type = FieldType.Keyword)
    private String type;

    @Transient
    private EsLocation parent;

    @Field(type = FieldType.Keyword)
    private String parentId;

    // 新增字段：所有祖先ID数组
    @Field(type = FieldType.Keyword)
    private List<String> ancestorIds;

    // 可选新增字段：完整层级路径
    @Field(type = FieldType.Text, analyzer = "index", searchAnalyzer = "search")
    private String fullPath;
}

适配查询场景 #

• 查询某个节点下的所有子节点：直接用terms查询匹配ancestorIds包含当前节点ID即可
• 查询某个节点的完整层级链路：直接读取返回结果的ancestorIds/fullPath字段即可，无需额外查询

优缺点 #

• 优点：查询性能最高，实现逻辑简单，无额外语法限制
• 缺点：节点父级变动时需要同步更新所有子节点的冗余字段，适合地点这类层级变动频率极低的业务场景

方案2：使用ES原生Join类型实现父子关联 #

ES提供的join字段类型专门用于处理同索引内的父子关联关系，你可以把不同层级的地点映射为父子文档，父文档为上级地点，子文档为下级地点。

适配场景 #

适合层级变动频繁，不想批量更新大量子节点冗余数据的场景，查询性能低于方案1，且聚合、排序有较多语法限制，另外要求父子文档必须存储在同一个分片，你当前索引分片数为1刚好适配该要求。

方案3：应用层递归查询（仅适合小数据量测试场景） #

如果你的数据量极小，也可以在应用层做多轮循环查询：

• 查向上层级：先查当前节点获取parentId，再用parentId查询父节点，循环直到parentId为null
• 查向下层级：先拿当前节点ID查询所有parentId等于该ID的子节点，再循环递归查询每个子节点的下级节点

优缺点 #

• 优点：无需修改现有数据结构
• 缺点：查询次数和层级深度成正比，层级较深时延迟极高，不适合线上生产环境使用

内容的提问来源于stack exchange，提问作者Matej Martincevic