在弹性搜索中查找不同的内部对象

Question

我们试图在Elasticsearch中找到不同的内部对象。对于我们的情况来说，这将是一个最小的例子。我们被以下映射所困扰(更改类型或索引或添加新字段不是问题，但结构应该保持原样)：

{
  "building": {
    "properties": {
      "street": {
        "type": "string",
        "store": "yes",
        "index": "not_analyzed"
      },
      "house number": {
        "type": "string",
        "store": "yes",
        "index": "not_analyzed"
      },
      "city": {
        "type": "string",
        "store": "yes",
        "index": "not_analyzed"
      },
      "people": {
        "type": "object",
        "store": "yes",
        "index": "not_analyzed",
        "properties": {
          "firstName": {
            "type": "string",
            "store": "yes",
            "index": "not_analyzed"
          },
          "lastName": {
            "type": "string",
            "store": "yes",
            "index": "not_analyzed"
          }
        }
      }
    }
  }
}

假设我们有这个示例数据：

{
  "buildings": [
    {
      "street": "Baker Street",
      "house number": "221 B",
      "city": "London",
      "people": [
        {
          "firstName": "John",
          "lastName": "Doe"
        },
        {
          "firstName": "Jane",
          "lastName": "Doe"
        }
      ]
    },
    {
      "street": "Baker Street",
      "house number": "5",
      "city": "London",
      "people": [
        {
          "firstName": "John",
          "lastName": "Doe"
        }
      ]
    },
    {
      "street": "Garden Street",
      "house number": "1",
      "city": "London",
      "people": [
        {
          "firstName": "Jane",
          "lastName": "Smith"
        }
      ]
    }
  ]
}

当我们查询街道“贝克街”(以及所需的任何其他选项)时，我们希望得到以下列表：

[
    {
      "firstName": "John",
      "lastName": "Doe"
    },
    {
      "firstName": "Jane",
      "lastName": "Doe"
    }
]

格式并不重要，但是我们应该能够解析名字和姓氏。只是，由于我们的实际数据集要大得多，我们需要的条目是不同的。

我们正在使用Elasticsearch 1.7。

Answer 1

我们终于解决了问题。

我们的解决方案是(正如我们预期的)一个预先计算的people_all字段.但是，我们不是使用copy_to或transform，而是在导入数据时编写其他字段。该领域如下：

"people": {
  "type": "nested",
  ..
  "properties": {
    "firstName": {
      "type": "string",
      "store": "yes",
      "index": "not_analyzed"
    },
    "lastName": {
      "type": "string",
      "store": "yes",
      "index": "not_analyzed"
    },
    "people_all": {
      "type": "string",
      "index": "not_analyzed"
    }
  }
}

请注意"index": "not_analyzed"在people_all字段。这是重要的，有完整的桶。如果您不使用它，我们的示例将返回3个桶"john“、"jane”和"doe“。

在编写完这个新字段之后，我们可以按以下方式运行一个扩展：

{
  "size": 0,
  "query": {
    "term": {
      "street": "Baker Street"
    }
  },
  "aggs": {
    "people_distinct": {
      "nested": {
        "path": "people"
      },
      "aggs": {
        "people_all_distinct": {
          "terms": {
            "field": "people.people_all",
            "size": 0
          }
        }
      }
    }
  }
}

我们将返回以下答复：

{
  "took": 2,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 0.0,
    "hits": []
  },
  "aggregations": {
    "people_distinct": {
      "doc_count": 3,
      "people_name_distinct": {
        "doc_count_error_upper_bound": 0,
        "sum_other_doc_count": 0,
        "buckets": [
          {
            "key": "John Doe",
            "doc_count": 2
          },
          {
            "key": "Jane Doe",
            "doc_count": 1
          }
        ]
      }
    }
  }
}

从响应中的桶中，我们现在能够创建不同的人员对象。

请告诉我们是否有更好的方法来达到我们的目标。解析桶不是一个最优的解决方案，如果每个桶中都有字段firstName和lastName，那就更好了。

Answer 2

正如注释中所建议的那样，您对人员的映射应该是nested类型，而不是object类型，因为它可能会产生意想不到的结果。在此之后，还需要重新编制数据索引。

至于这个问题，您需要根据您的查询来聚合结果。

{
  "query": {
    "term": {
      "street": "Baker Street"
    }
  },
  "aggs": {
    "distinct_people": {
      "terms": {
        "field": "people",
        "size": 1000
      }
    }
  }
}

请注意，我已经将size设置为1000内部聚合，您可能需要使用更大的数字来获取所有不同的人，ES默认只返回10个结果。

如果您只对聚合桶感兴趣，可以将查询size设置为0，或者使用参数search_type=count。您可以在这里阅读更多关于聚合的内容。https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations.html

我希望这能帮上忙！如果这件事没有解决，请告诉我。