如何按字段类型对匹配的文档字段进行分组？答案

【问题标题】：How to group by field type for matched document fields?如何按字段类型对匹配的文档字段进行分组？
【发布时间】：2020-04-13 08:46:42
【问题描述】：

我正在使用术语聚合来计算字段值，但在聚合之前我正在根据结果聚合进行过滤器搜索。最后我需要例如 id 和聚合计数如果异常 id 为 1 并且如果匹配，那么我需要输出为

1 -> "key": "转移" “doc_count”：2

2 -> “关键”：“股票” "doc_count": 4

我已经在下面突出显示了我想要作为指向每个存储桶的指针的异常 id。

我如何在弹性搜索中做到这一点，我已经附上了示例响应。

{
  "took": 250,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 1,
      "relation": "eq"
    },
    "max_score": 0.0,
    "hits": [
      {
        "_index": "america",
        "_type": "_doc",
        "_id": "1",
        "_score": 0.0,
        "_source": {
          "clusterId": "1",
          "rank": 1,
          "events": [
            {
              "eventId": "1",
              "eventType": "Delayed",
              "metaInfo": {
                "batch_id": "batch_1"
              },
              "recommendationData": [
                {
                  ***"exceptionId": "1",***
                  "item": "Item1",
                  "location": "DC1",
                  "dueDate": "2019-01-10T05:30:00.000+0530",
                  "quantity": 100,
                  "metaInfo": {
                    "batch_id": "batch_1",
                    "dummy_id": "dummy_1"
                  },
                  "rank": 1,
                  "recommendations": [
                    {
                      "rank": 1,
                      "recommendationType": "transfer",
                      "customerName": "Walmart",
                      "stockTransfer": {
                        "primaryRecommendation": true,
                        "priority": 1,
                        "sourceLocation": "DC3",
                        "metaInfo": 40,
                        "shipDate": "2019-01-09T05:30:00.000+0530",
                        "arrivalDate": "2019-01-10T05:30:00.000+0530",
                        "transportMode": "Road",
                        "transferCost": 200.0,
                        "maxQtyAvailableForTransfer": 40,
                        "totalQtyAtSource": 40
                      },
                      "expedite": null
                    },
                    {
                      "rank": 1,
                      "recommendationType": "transfer",
                      "customerName": "Walmart",
                      "stockTransfer": {
                        "primaryRecommendation": true,
                        "priority": 2,
                        "sourceLocation": "DC2",
                        "transferQuantity": 60,
                        "shipDate": "2019-01-09T05:30:00.000+0530",
                        "arrivalDate": "2019-01-10T05:30:00.000+0530",
                        "transportMode": "Road",
                        "transferCost": 600.0,
                        "maxQtyAvailableForTransfer": 100,
                        "totalQtyAtSource": 100
                      },
                      "expedite": null
                    }
                  ]
                }
              ]
            }
          ]
        }
      }
    ]
  },
  "aggregations": {
    "recommendationTypes": {
      "doc_count": 2,
      "recommendationTypes": {
        "doc_count_error_upper_bound": 0,
        "sum_other_doc_count": 0,
        "buckets": [
          {
            "key": "transfer",
            "doc_count": 2
          }
        ]
      }
    }
  }
}

【问题讨论】：

是否需要上面的 java 代码来进行 ealstic 搜索 dsl？
弹性搜索有什么办法可以代替依赖java
让我知道我是否正确理解了您的问题。您需要匹配嵌套对象的数量，但取而代之的是所有嵌套对象的数量？
没有。连同术语桶我需要匹配的 id（异常 id）并且应该指向桶......例如，如果 id 是 1 并且如果它在文档中匹配，那么连同术语桶 [key and count] 我需要这个1指向桶..希望你理解
基本上我需要什么......对于匹配的ID，我需要匹配ID以及术语桶......

标签： java elasticsearch elastic-stack resthighlevelclient

【解决方案1】：

如果你想聚合任何 exceptionId 或 RecommendationType ，它们都在嵌套对象内，你需要使用嵌套聚合。

例如。如果您有一个包含两个嵌套文档的文档，其中 exceptionId 为 1 和 2。您希望在 exceptionId 为 2 的嵌套文档上进行聚合，即使您在“查询”部分使用嵌套查询进行过滤，也需要使用嵌套聚合，因为整个文档即使嵌套对象匹配并且您必须在聚合中特别提到要在特定嵌套对象上聚合时也会返回。查询

{
  "aggs": {
    "recommendations": {
      "nested": {
        "path": "events.recommendationData"
      },
      "aggs": {
        "exception": {
          "filter": {
            "terms": {
              "events.recommendationData.exceptionId": [
                "2"
              ]
            }
          },
          "aggs": {
            "exceptionIds": {
              "terms": {
                "field": "events.recommendationData.exceptionId.keyword",
                "size": 10
              },
              "aggs": {
                "recommendations": {
                  "nested": {
                    "path": "events.recommendationData.recommendations"
                  },
                  "aggs": {
                    "recommendationType": {
                      "terms": {
                        "field": "events.recommendationData.recommendations.recommendationType",
                        "size": 10
                      }
                    }
                  }
                }
              }
            }
          }
        }
      }
    }
  }
}

结果：

"aggregations" : {
    "recommendations" : {
      "doc_count" : 1,
      "exception" : {
        "doc_count" : 1,
        "exceptionIds" : {
          "doc_count_error_upper_bound" : 0,
          "sum_other_doc_count" : 0,
          "buckets" : [
            {
              "key" : "2",
              "doc_count" : 1,
              "recommendations" : {
                "doc_count" : 2,
                "recommendationType" : {
                  "doc_count_error_upper_bound" : 0,
                  "sum_other_doc_count" : 0,
                  "buckets" : [
                    {
                      "key" : "transfer",
                      "doc_count" : 2
                    }
                  ]
                }
              }
            }
          ]
        }
      }
    }
  }

【讨论】：