elasticsearch - 将嵌套字段与文档中的另一个字段进行比较

Question

我需要比较同一文档中的2个字段,其中实际值无关紧要.考虑这个文件:

_source: {
    id: 123,
    primary_content_type_id: 12,
    content: [
        {
            id: 4,
            content_type_id: 1
            assigned: true
        },
        {
            id: 5,
            content_type_id: 12,
            assigned: false
        }
    ]
}

我需要找到未分配主要内容的所有文档.我找不到将primary_content_type_id与嵌套的content.content_type_id进行比较的方法,以确保它们是相同的值.这是我尝试使用脚本.我不认为我理解脚本,但这可能是解决此问题的方法:

{
    "filter": {
        "nested": {
            "path": "content",
            "filter": {
                "bool": {
                    "must": [
                        {
                            "term": {
                                "content.assigned": false
                            }
                        },
                        {
                            "script": {
                                "script": "primary_content_type_id==content.content_type_id"
                            }
                        }
                    ]
                }
            }
        }
    }
}

请注意,它工作正常,如果我删除了过滤器的脚本部分,并与其他术语过滤器更换,其中content_type_id = 12也添加了另一个筛选其中primary_content_id = 12.问题是我不知道(对我的用例来说也不重要)什么是primary_content_type_id或者content.content_type_id是什么的价值.重要的是分配对于content_type_id匹配的内容是错误的primary_content_type_id.

弹性搜索可以检查吗？

Answer 1

在嵌套搜索的情况下,您正在搜索没有父级的嵌套对象.不幸的是,没有可以对nested对象应用的隐藏连接.

至少目前,这意味着您不会在脚本中同时收到"父"和嵌套文档.您可以通过用这两个脚本替换脚本并测试结果来确认这一点:

# Parent Document does not exist
"script": {
  "script": "doc['primary_content_type_id'].value == 12"
}

# Nested Document should exist
"script": {
  "script": "doc['content.content_type_id'].value == 12"
}

你可以通过循环跨越objects 来以性能低劣的方式做到这一点(而不是固有地让ES为你做这个nested).这意味着您必须将文档和nested文档重新索引为单个文档才能使其正常工作.考虑到你试图使用它的方式,这可能不会太差异,甚至可能表现更好(特别是考虑到缺少替代方案).

# This assumes that your default scripting language is Groovy (default in 1.4)
# Note1: "find" will loop across all of the values, but it will
#  appropriately short circuit if it finds any!
# Note2: It would be preferable to use doc throughout, but since we need the
#  arrays (plural!) to be in the _same_ order, then we need to parse the
#  _source. This inherently means that you must _store_ the _source, which
#  is the default. Parsing the _source only happens on the first touch.
"script": {
  "script": "_source.content.find { it.content_type_id == _source.primary_content_type_id && ! it.assigned } != null",
  "_cache" : true
}

我缓存的结果,因为没有动态发生在这里(例如,不比较日期now为实例),所以它是很安全的高速缓存,从而使未来的查找多快.默认情况下,大多数过滤器都是缓存的,但脚本是少数例外之一.

因为它必须比较两个值以确保它找到正确的内部对象,所以你复制了一些工作量,但实际上这是不可避免的.如果term没有它,过滤器最有可能优于仅仅进行此检查.