ElasticSearch - 返回唯一值

Question

如何languages从记录中获取所有值的值并使其唯一.

记录

PUT items/1
{ "language" : 10 }

PUT items/2
{ "language" : 11 }

PUT items/3
{ "language" : 10 }

询问

GET items/_search
{ ... }

# => Expected Response
[10, 11]

任何帮助都会很棒.

Answer 1

您可以使用聚合术语.

{
"size": 0,
"aggs" : {
    "langs" : {
        "terms" : { "field" : "language",  "size" : 500 }
    }
}}

搜索将返回如下内容:

{
"took" : 16,
"timed_out" : false,
"_shards" : {
  "total" : 2,
  "successful" : 2,
  "failed" : 0
},
"hits" : {
"total" : 1000000,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
  "langs" : {
    "buckets" : [ {
      "key" : "10",
      "doc_count" : 244812
    }, {
      "key" : "11",
      "doc_count" : 136794

    }, {
      "key" : "12",
      "doc_count" : 32312
       } ]
    }
  }
}

size聚合中的参数指定要包含在聚合结果中的最大术语数.如果您需要所有结果,请将其设置为大于数据中唯一术语数的值.

Answer 2

我也在为我自己寻找这种解决方案。我在术语聚合中找到了参考。

因此，根据以下内容是正确的解决方案。

{
"aggs" : {
    "langs" : {
        "terms" : { "field" : "language",  
                    "size" : 500 }
    }
}}

但是，如果您遇到以下错误：

"error": {
        "root_cause": [
            {
                "type": "illegal_argument_exception",
                "reason": "Fielddata is disabled on text fields by default. Set fielddata=true on [fastest_method] in order to load fielddata in memory by uninverting the inverted index. Note that this can however use significant memory. Alternatively use a keyword field instead."
            }
        ]}

在这种情况下，您必须在请求中添加“ KEYWORD ”，如下所示：

   {
    "aggs" : {
        "langs" : {
            "terms" : { "field" : "language.keyword",  
                        "size" : 500 }
        }
    }}

Answer 3

Elasticsearch 1.1+具有基数聚合,它将为您提供唯一的计数

请注意,它实际上是一个近似值,并且高基数数据集的精度可能会降低,但在我的测试中它通常非常准确.

您还可以使用precision_threshold参数调整精度.权衡,当然,是内存使用.

来自文档的此图表显示了更高的结果如何precision_threshold导致更准确的结果.

Answer 4

如果您想获取每个language字段唯一值的第一个文档，您可以这样做：

{
 "query": {
    "match_all": {
    }
  },
  "collapse": {
    "field": "language.keyword",
    "inner_hits": {
    "name": "latest",
      "size": 1
    }
  }
}

Answer 5

如果您想在没有任何近似值或设置幻数 ( size: 500) 的情况下获得所有唯一值，请使用COMPOSITE AGGREGATION (ES 6.5+)。

来自官方文档：

“如果您想检索嵌套术语聚合中的所有术语或术语的所有组合，您应该使用 COMPOSITE AGGREGATION，它允许对所有可能的术语进行分页，而不是设置大于术语聚合中字段基数的大小。术语聚合旨在返回顶部术语，并且不允许分页。”

JavaScript 中的实现示例：

const ITEMS_PER_PAGE = 1000;

const body =  {
    "size": 0, // Returning only aggregation results: https://www.elastic.co/guide/en/elasticsearch/reference/current/returning-only-agg-results.html
    "aggs" : {
        "langs": {
            "composite" : {
                "size": ITEMS_PER_PAGE,
                "sources" : [
                    { "language": { "terms" : { "field": "language" } } }
                ]
            }
        }
     }
};

const uniqueLanguages = [];

while (true) {
  const result = await es.search(body);

  const currentUniqueLangs = result.aggregations.langs.buckets.map(bucket => bucket.key);

  uniqueLanguages.push(...currentUniqueLangs);

  const after = result.aggregations.langs.after_key;

  if (after) {
      // continue paginating unique items
      body.aggs.langs.composite.after = after;
  } else {
      break;
  }
}

console.log(uniqueLanguages);