一、SPU+SKU

1、商品SPU和SKU

每個店鋪中會包含多個商品，每個商品會有多個規格。

紅框上面的部分是商品的SPU（Standard Product Unit 標準產品單位），SPU是商品信息聚合的最小單位，是一組可復用、易檢索的標準化信息的集合，該集合描述了一個產品的特性。這里會選擇對應店鋪的名稱，填入商品編號、商品名稱、上架狀態、定時上架時間、商品標簽、商品圖片等信息。

下面紅色的框體是商品的SKU（stock keeping unit 庫存量單位），SKU即庫存進出計量的單位， 可以是以件、盒、托盤等為單位，SKU是物理上不可分割的最小存貨單元。包括商品顏色、商品存儲容量、商品價格、商品剩余數量。

2、SPU和SKU的關系

如圖所示，一個店鋪會對應多個商品的SPU。同時一個商品的SPU會包含多個商品SKU，以手機為例，一款iPhone12手機就是SPU，如果消費者需要購買該手機的時候，還需要選擇手機顏色、內存容量，在商家這邊還要查看商品的庫存是否足夠。因此，一個商品SPU會對
應多個商品SKU的描述。

如果我們建立數據庫表的時候會將店鋪、商品SPU和商品SKU建立三張表，通過主外鍵的關系關聯。
如果mysql的數據同步到ES中，用戶進行搜索的時候，應該怎么實現呢？

在 Elasticsearch（ES）中實現關聯查詢（join）的方式與傳統關系型數據庫不同，因為 ES 是分布式搜索引擎，其設計初衷并非處理復雜關聯。以下是幾種常見的 ES 關聯實現方法：

3、實現SPU+SKU父子嵌套查詢

1. 嵌套對象（Nested Objects）

場景：SPU 與 SKU 強關聯，查詢時需同時檢索。
示例：一款手機（SPU）有多個顏色和配置（SKU）。

映射與數據：

PUT /products
{"mappings": {"properties": {"spu_id": {"type": "keyword"},"spu_name": {"type": "text"},"brand": {"type": "keyword"},"skus": {"type": "nested",  // 嵌套類型"properties": {"sku_id": {"type": "keyword"},"color": {"type": "keyword"},"size": {"type": "keyword"},"price": {"type": "double"},"stock": {"type": "integer"}}}}}
}PUT /products/_doc/1
{"spu_id": "SPU001","spu_name": "蘋果 iPhone 14","brand": "Apple","skus": [{"sku_id": "SKU001","color": "黑色","size": "128GB","price": 5999.00,"stock": 100},{"sku_id": "SKU002","color": "藍色","size": "256GB","price": 6799.00,"stock": 50}]
}

查詢示例：

• 需求：查找所有品牌為 Apple 且有藍色 256GB 的手機。
• 實現：

{"query": {"bool": {"must": [{"term": {"brand": "Apple"}},{"nested": {  // 嵌套查詢"path": "skus","query": {"bool": {"must": [{"term": {"skus.color": "藍色"}},{"term": {"skus.size": "256GB"}}]}}}}]}}
}

2. 父子關系（Parent-Child）

場景：SPU 與 SKU 生命周期獨立，需靈活管理（如動態添加 SKU）。
示例：一款手機（SPU）的 SKU 庫存需實時更新。

映射與數據：

PUT /products
{"mappings": {"properties": {"join_field": {"type": "join","relations": {"spu": "sku"  // 定義父子關系}}}}
}// 索引 SPU（父文檔）
PUT /products/_doc/SPU001
{"spu_id": "SPU001","name": "蘋果 iPhone 14","brand": "Apple","join_field": {"name": "spu"}
}// 索引 SKU（子文檔）
PUT /products/_doc/SKU001?routing=SPU001  // 必須使用父 ID 作為路由
{"sku_id": "SKU001","color": "黑色","size": "128GB","price": 5999.00,"stock": 100,"join_field": {"name": "sku", "parent": "SPU001"}
}PUT /products/_doc/SKU002?routing=SPU001
{"sku_id": "SKU002","color": "藍色","size": "256GB","price": 6799.00,"stock": 50,"join_field": {"name": "sku", "parent": "SPU001"}
}

查詢示例：

• 需求：查找價格低于 6000 的 SKU 所屬的 SPU 信息。
• 實現：

{"query": {"has_child": {"type": "sku","query": {"range": {"price": {"lt": 6000}}},"inner_hits": {}  // 返回匹配的子文檔}}
}

3. 應用層關聯（Application-Side Join）（推薦）

場景：SPU 和 SKU 存儲在不同索引，需跨索引關聯。
示例：SPU 數據在 spu_index，SKU 數據在 sku_index。

數據結構：

// SPU 索引
PUT /spu_index/_doc/SPU001
{"spu_id": "SPU001","name": "蘋果 iPhone 14","brand": "Apple","category": "手機","description": "2023年新款智能手機..."
}// SKU 索引
PUT /sku_index/_doc/SKU001
{"sku_id": "SKU001","spu_id": "SPU001",  // 關聯字段"color": "黑色","size": "128GB","price": 5999.00,"stock": 100,"sales": 2000
}

查詢流程（Python）：

from elasticsearch import Elasticsearches = Elasticsearch()# 1. 查詢手機分類下的所有 SPU
spu_result = es.search(index="spu_index",body={"query": {"term": {"category": "手機"}},"_source": ["spu_id", "name", "brand"]},size=100
)# 2. 提取 SPU IDs
spu_ids = [hit["_source"]["spu_id"] for hit in spu_result["hits"]["hits"]]# 3. 批量查詢 SKU（按價格排序）
sku_result = es.search(index="sku_index",body={"query": {"terms": {"spu_id": spu_ids}},"sort": {"price": "asc"},"_source": ["spu_id", "color", "size", "price"]},size=1000
)# 4. 應用層組裝結果（SPU + 最低價格 SKU）
spu_sku_map = {}
for sku in sku_result["hits"]["hits"]["_source"]:spu_id = sku["spu_id"]if spu_id not in spu_sku_map or sku["price"] < spu_sku_map[spu_id]["price"]:spu_sku_map[spu_id] = sku# 5. 合并 SPU 和 SKU 信息
merged_result = []
for spu_hit in spu_result["hits"]["hits"]:spu = spu_hit["_source"]sku = spu_sku_map.get(spu["spu_id"], {})merged_result.append({"spu": spu,"lowest_price_sku": sku})

4. 預連接數據（Denormalization）（推薦）

場景：讀多寫少，需快速查詢（如商品列表頁）。
示例：將常用 SKU 信息冗余到 SPU 文檔中。

數據結構：

PUT /products/_doc/SPU001
{"spu_id": "SPU001","name": "蘋果 iPhone 14","brand": "Apple","category": "手機","min_price": 5999.00,  // 預計算：最低價格"max_price": 6799.00,  // 預計算：最高價格"default_sku": {  // 預定義：默認 SKU"sku_id": "SKU001","color": "黑色","size": "128GB","price": 5999.00},"sku_summary": [  // 預聚合：SKU 摘要{"color": "黑色", "size": "128GB", "price": 5999.00},{"color": "藍色", "size": "256GB", "price": 6799.00}]
}

查詢示例：

• 需求：查找價格區間在 5000-6500 的手機，返回 SPU 及默認 SKU。
• 實現：

{"query": {"range": {"min_price": {"gte": 5000, "lte": 6500}}},"_source": ["spu_id", "name", "brand", "default_sku"]
}

方案對比

方法	查詢性能	寫入性能	數據一致性	適用場景
嵌套對象	高	中	強	SKU 數量少，需原子性操作
父子關系	中	低	中	SKU 動態變化，需獨立管理
應用層關聯	低	高	弱	跨索引關聯，數據量大
預連接數據	最高	低	弱	讀多寫少，實時性要求低

優化建議

1. 嵌套對象深度限制：避免超過 1000 個嵌套文檔，否則性能下降。
2. 父子關系分片一致性：父子文檔必須在同一分片（通過 routing 參數保證）。
3. 應用層關聯批量查詢：使用 terms 查詢替代循環單條查詢。
4. 預連接數據更新策略：通過異步任務（如消息隊列）更新冗余字段。

根據實際業務場景（如 SKU 數量、讀寫比例、實時性要求）選擇合適的方案，或組合使用多種方案。