Elasticsearch：根据类型对不同的字段进行排序

Question

我的索引中有两种类型（Event 和 City），我正在尝试按日期对它们进行排序。但是，每种类型的日期字段名称不同： 对于Event，值在updated_at 字段中，对于City，日期在其city_events 嵌套对象数组的嵌套对象之一的update_at 字段中（注意region_id 的过滤)。

我试过像这样指定排序数组中的每个字段：

  "sort": [
    {
      "city_events.updated_at": {
        "order": "desc",
        "nested_path": "city_events",
        "nested_filter": {
          "term": {
            "city_events.region_id": 1
          }
        }
      }
    },
    {
      "updated_at": "desc"
    }
  ]

但不幸的是，这并没有将这两种类型混合在一起。相反，它首先按嵌套的city_events.updated_at 字段对所有Cities 进行排序，然后将所有Events 附加到按其updated_at 字段排序的底部。如何将两者混合和排序？

作为替代解决方案，我尝试仅按嵌套的 city_events.updated_at 字段进行排序并指定 "missing": "updated_at"，但是尽管两个字段的格式相同，但仍引发了 "number_format_exception" 错误：

{
  "error": {
    "root_cause": [
      {
        "type": "number_format_exception",
        "reason": "For input string: \"updated_at\""
      }
    ],
    "type": "search_phase_execution_exception",
    "reason": "all shards failed",
    "phase": "query_fetch",
    "grouped": true,
    "failed_shards": [
      {
        "shard": 0,
        "index": "events_1461095196252",
        "node": "sYQstSw_SN62ojmXgGjPlg",
        "reason": {
          "type": "number_format_exception",
          "reason": "For input string: \"updated_at\""
        }
      }
    ]
  },
  "status": 400
}

更新 1：基于下面的the answer by Andrei Stefan，我尝试开发一个 groovy 脚本，该脚本循环遍历每个City 文档的 city_events，选择具有匹配 region_id 的文档，然后返回 city_event 的 updated_at 值进行评分，但在访问脚本中的嵌套字段时遇到问题：https://stackoverflow.com/questions/36781476/elasticsearch-access-fields-inside-array-of-nested-objects-in-a-groovy-script

Answer 1

尝试基于script 的排序，您需要nested 字段才能在脚本中访问include_in_parent: true：

    "city_events": {
      "type": "nested",
      "include_in_parent": true, 
      "properties": {
        "updated_at": {
          "type": "date"
        }
      }
    }

还有排序部分：

  "sort": {
    "_script": {
      "type": "number",
      "script": {
        "inline": "if (doc['_type'].value=='Event') return doc['updated_at'].date.getMillis(); else if (doc['_type'].value=='City') return doc['city_events.updated_at'].date.getMillis()",
        "lang": "groovy"
      },
      "order": "desc"
    }
  }

---

稍后编辑

即使我在 Groovy 脚本中添加 city_events.region_id==1 条件，也不会感觉到 Elasticsearch，这将是纯 Groovy 编程，而不是 Elasticsearch 的强大功能。

我尝试过其他方法（都在 ES 2.3.1 中）：

• copy_to 从常规的updated_at 字段到Event 内的nested 字段，以便对所有类型执行常规的nested 排序。这不起作用。
• 即使copy_to 可以工作，Elasticsearch 也不会从Event 类型中的sort 部分中匹配"term": {"city_events.region_id": 1}（因为region_id 不存在于Event），对于那些values 会使用 -9223372036854776000 而不是实际日期（该值来自我执行的测试）。
• 在Event 中也使用nested 字段，并在索引时将updated_at 放在这个嵌套字段中。由于与上述尝试#2 相同的原因，这将不起作用：Event 中也必须有一个region_id，以便sort 部分中的nested 过滤器将适用于 both 类型。

作为一种正确的处理方式，我的建议是重新考虑一下数据结构，以便排序部分（至少）将遵循 Elasticsearch 的做法事物。您的类型称为City 和Event，在City 内部，您有一个（嵌套的）city_events 列表。你不能在City 中包含Event 并在每个城市复制事件的详细信息吗？这不一定是规范化的 RDB 数据结构。相反，ES 对非标准化数据更满意。

---

为了完整起见，但我不建议这样做：

  "sort": {
    "_script": {
      "type": "number",
      "script": {
        "inline": "if (doc['_type'].value=='Event') return doc['updated_at'].date.getMillis(); else if (doc['_type'].value=='City') {for(nestedObj in _source.city_events) {if(nestedObj.region_id==1) return nestedObj.updated_at.toLong();}}",
        "lang": "groovy"
      },
      "order": "desc"
    }
  }

请注意，我没有在上面的 Groovy 脚本中完成所有正确的检查（例如检查文档中是否确实存在嵌套对象）。

Answer 2

Elasticsearch 数据应针对读取进行优化。最好的解决方案是向存储相关排序值的两种类型添加公共字段。

关于城市内的多个嵌套对象：我仍然会在城市级别存储最相关（最近）的值。