分面搜索的后过滤器和全局聚合之间有什么区别？

Question

搜索界面中的一个常见问题是您想要返回一组结果，但可能想要返回有关所有文档的信息。（例如，我想查看所有红色衬衫，但想知道还有哪些其他颜色可供选择）。

这有时被称为“分面结果”或“分面导航”。Elasticsearch 参考中的示例在解释原因/方式方面非常清楚，因此我将其用作此问题的基础。

摘要/问题：看起来我可以为此同时使用后过滤器或全局聚合。它们似乎都以不同的方式提供完全相同的功能。它们可能有我看不到的优点或缺点？如果是这样，我应该使用哪个？

我在下面包含了一个完整的示例，其中包含一些文档和基于参考指南中示例的两种类型方法的查询。

---

选项 1：后置过滤器

请参阅Elasticsearch 参考中的示例

我们可以做的是在我们的原始查询中获得更多结果，因此我们可以“对”这些结果进行聚合，然后过滤我们的实际结果。

这个例子很清楚地解释了它：

但也许您还想告诉用户有多少 Gucci 衬衫有其他颜色可供选择。如果你只是在颜色字段上添加一个术语聚合，你只会得到红色，因为你的查询只返回 Gucci 的红色衬衫。

相反，您希望在聚合期间包括所有颜色的衬衫，然后仅将颜色过滤器应用于搜索结果。

请参阅下面的示例代码中的内容。

一个问题是我们不能使用缓存。这是在（尚未适用于 5.1）elasticsearch 指南中警告：

性能考虑 仅当您需要对搜索结果和聚合进行差异过滤时才使用 post_filter。有时人们会使用 post_filter 进行常规搜索。

不要这样做！post_filter 的性质意味着它在查询之后运行，因此过滤（例如缓存）的任何性能优势都将完全丧失。

post_filter 应该仅与聚合结合使用，并且仅在需要差分过滤时使用。

然而，有一个不同的选择：

选项 2：全局聚合

有一种方法可以进行不受搜索查询影响的聚合。所以不是得到很多，聚合，然后过滤，我们只是得到我们过滤的结果，但对所有东西进行聚合。看看参考

我们可以得到完全相同的结果。我没有阅读任何关于缓存的警告，但似乎最终我们需要做同样多的工作。所以这可能是唯一的遗漏。

由于我们需要子聚合（您不能在同一“级别”上拥有global和 a ）filter，因此它稍微复杂一点。

我读到的关于使用此查询的唯一抱怨是，如果您需要对多个项目执行此操作，则可能必须重复自己。最后，我们可以生成大多数查询，因此重复自己对我的用例来说并不是什么大问题，而且我并不认为这是与“无法使用缓存”同等的问题。

题

似乎这两个功能至少重叠，或者可能提供完全相同的功能。这让我很困惑。除此之外，我想知道其中一个或另一个是否有我没有看到的优势，以及这里是否有任何最佳实践？

例子

这主要来自后过滤器参考页面，但我添加了全局过滤器查询。

映射和文件

PUT /shirts
{
    "mappings": {
        "item": {
            "properties": {
                "brand": { "type": "keyword"},
                "color": { "type": "keyword"},
                "model": { "type": "keyword"}
            }
        }
    }
}

PUT /shirts/item/1?refresh
{
    "brand": "gucci",
    "color": "red",
    "model": "slim"
}

PUT /shirts/item/2?refresh
{
    "brand": "gucci",
    "color": "blue",
    "model": "slim"
}


PUT /shirts/item/3?refresh
{
    "brand": "gucci",
    "color": "red",
    "model": "normal"
}


PUT /shirts/item/4?refresh
{
    "brand": "gucci",
    "color": "blue",
    "model": "wide"
}


PUT /shirts/item/5?refresh
{
    "brand": "nike",
    "color": "blue",
    "model": "wide"
}

PUT /shirts/item/6?refresh
{
    "brand": "nike",
    "color": "red",
    "model": "wide"
}

我们现在要求所有红色 gucci 衬衫（项目 1 和 3）、我们为这 2 件衬衫准备的衬衫类型（修身和普通）以及 gucci 有哪些颜色（红色和蓝色）。

首先，后置过滤器：获取所有衬衫，聚合红色 gucci 衬衫的模型和 gucci 衬衫的颜色（所有颜色），以及红色 gucci 衬衫的后置过滤器以仅显示结果：（这与这个例子，因为我们试图让它尽可能接近后过滤器的明确应用。）

GET /shirts/_search
{
  "aggs": {
    "colors_query": {
      "filter": {
        "term": {
          "brand": "gucci"
        }
      },
      "aggs": {
        "colors": {
          "terms": {
            "field": "color"
          }
        }
      }
    },
    "color_red": {
      "filter": {
        "bool": {
          "filter": [
            {
              "term": {
                "color": "red"
              }
            },
            {
              "term": {
                "brand": "gucci"
              }
            }
          ]
        }
      },
      "aggs": {
        "models": {
          "terms": {
            "field": "model"
          }
        }
      }
    }
  },
  "post_filter": {
    "bool": {
      "filter": [
        {
          "term": {
            "color": "red"
          }
        },
        {
          "term": {
            "brand": "gucci"
          }
        }
      ]
    }
  }
}

我们还可以获取所有红色 gucci 衬衫（我们的原始查询），然后对模型（所有红色 gucci 衬衫）和颜色（所有 gucci 衬衫）进行全局聚合。

GET /shirts/_search
{
  "query": {
    "bool": {
      "filter": [
        { "term": { "color": "red"   }},
        { "term": { "brand": "gucci" }}
      ]
    }
  },
  "aggregations": {
    "color_red": {
      "global": {},
      "aggs": {
        "sub_color_red": {
          "filter": {
            "bool": {
              "filter": [
                { "term": { "color": "red"   }},
                { "term": { "brand": "gucci" }}
              ]
            }
          },
          "aggs": {
            "keywords": {
              "terms": {
                "field": "model"
              }
            }
          }
        }
      }
    },
    "colors": {
      "global": {},
      "aggs": {
        "sub_colors": {
          "filter": {
            "bool": {
              "filter": [
                { "term": { "brand": "gucci" }}
              ]
            }
          },
          "aggs": {
            "keywords": {
              "terms": {
                "field": "color"
              }
            }
          }
        }
      }
    }
  }
}

两者都将返回相同的信息，第二个只是因为子聚合引入了额外的级别而有所不同。第二个查询看起来有点复杂，但我认为这不是很成问题。真实世界的查询是由代码生成的，无论如何可能会更复杂，它应该是一个很好的查询，如果这意味着复杂，那就这样吧。

Answer 1

我们使用的实际解决方案虽然不是问题的直接答案，但基本上是“两者都不是”。

从这篇富有弹性的博文中，我们得到了初步的提示：

有时，我会看到过于复杂的搜索，其目标是在尽可能少的搜索请求中执行尽可能多的操作。这些往往尽可能晚地使用过滤器，这完全与“首先过滤”中的建议相反。不要害怕使用多个搜索请求来满足您的信息需求。多搜索 API 允许您发送一批搜索请求。

不要将所有内容硬塞到单个搜索请求中。

这基本上就是我们在上面的查询中所做的：一大堆聚合和一些过滤。

事实证明，让它们并行运行要快得多。查看多搜索 API