Elasticsearch聚合结果分页并支持之模糊查询

0、背景:

解决了Elasticsearch聚类结果分页的问题后的某一天,产品找到了我。
产品:这里需要加一个搜索功能!明天和其他功能一起上线!
我:好的(wdnmd,你是拉屎的时候突然来灵感了?之前给原型的时候怎么没有?)。
心里问候完产品后,开始思考怎么实现。

1、Terms aggregation之include

ES版本7.9.2
想获取demo数据,请点击这篇文章
先看看之前分页的解决办法:

GET employees/_search
{
  "size": 0,
  "query": {
    "match_all": {}
  },
  "aggs": {
    "myTerms": {
      "terms": {
        "field": "job.keyword",
        "size": 10
      },
      "aggs": {
        "myBucketSort": {
          "bucket_sort": {
            "from": 0,
            "size": 5,
            "gap_policy": "SKIP"
          }
        }
      }
    },
    "termsCount": {
      "cardinality": {
        "field": "job.keyword",
        "precision_threshold": 30000
      }
    }
  }
}

这里是利用bucket_sort来分页,cardinality来获取total。
在官方文档里边逛了一圈,发现terms aggregation有include好像可以解决这个问题,直接开始:

GET employees/_search
{
  "size": 0,
  "query": {
    "match_all": {}
  },
  "aggs": {
    "myTerms": {
      "terms": {
        "include": ".*Programmer.*", 
        "field": "job.keyword",
        "size": 10
      },
      "aggs": {
        "myBucketSort": {
          "bucket_sort": {
            "from": 0,
            "size": 5,
            "gap_policy": "SKIP"
          }
        }
      }
    },
    "termsCount": {
      "cardinality": {
        "field": "job.keyword",
        "precision_threshold": 30000
      }
    }
  }
}

include:为字符串时支持正则表达式。为数组的时候支持多字段精确过滤。
如:

  ...
  "aggs": {
    "myTerms": {
      "terms": {
        "include": ".*Programmer.*", #支持正则,但部分字符为保留字
        "field": "job.keyword",
        "size": 10
      }
  }
  ...
  ...
  "aggs": {
    "myTerms": {
      "terms": {
        "include": ["Programmer","DBA"], #支持多值,但是不支持正则
        "field": "job.keyword",
        "size": 10
     }
  }

正在暗爽的时候,发现上面获取到的total是不带include过滤条件时的total,不符合要求。

2、cardinality之script

利用cardinality 的script来达到过滤效果:

GET employees/_search
{
  "size": 0,
  "query": {
    "match_all": {}
  },
  "aggs": {
    "myTerms": {
      "terms": {
        "include": ".*Programmer.*", 
        "field": "job.keyword",
        "size": 10
      },
      "aggs": {
        "myBucketSort": {
          "bucket_sort": {
            "from": 0,
            "size": 5,
            "gap_policy": "SKIP"
          }
        }
      }
    },
    "termsCount": {
      "cardinality": {
       "script": {
          "source": """if(doc['job.keyword'].value.contains('Programmer')) {doc['job.keyword'].value }"""
        },
        "precision_threshold": 30000
      }
    }
  }
}

对应结果:

{
  "took" : 4,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 20,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "aggregations" : {
    "myTerms" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "Java Programmer",
          "doc_count" : 7
        },
        {
          "key" : "Javascript Programmer",
          "doc_count" : 4
        }
      ]
    },
    "termsCount" : {
      "value" : 2
    }
  }
}

3、问题

关键字为英文时的大小写问题,terms aggregations的include虽然支持正则,但是正则中的(?i)不支持,所以大小写敏感是个问题。
比如:关键词为“ai”或者“Ai”想要检索出来AI。当然terms aggregations也可以用script如:

GET employees/_search
{
  "size": 0,
  "query": {
    "match_all": {}
  },
  "aggs": {
    "myTerms": {
      "terms": {
        "script": {
          "source": """if(doc['job.keyword'].value.contains('Programmer')) {doc['job.keyword'].value }"""
        },
        "size": 10
      },
      "aggs": {
        "myBucketSort": {
          "bucket_sort": {
            "from": 0,
            "size": 5,
            "gap_policy": "SKIP"
          }
        }
      }
    },
    "termsCount": {
      "cardinality": {
       "script": {
          "source": """if(doc['job.keyword'].value.contains('Programmer')) {doc['job.keyword'].value }"""
        },
        "precision_threshold": 30000
      }
    }
  }
}

虽然可以在if条件中,编写满足大写或者小写的条件,但类似Ai这样的仍然不能满足命中AI。
这个问题的其他解决办法利用normalizer,但仍会有缺陷。
本来就想大小写敏感检索,可以忽略以上问题

4、总结

  • 方法1:
GET employees/_search
{
  "size": 0,
  "query": {
    "match_all": {}
  },
  "aggs": {
    "myTerms": {
      "terms": {
        "include": ".*programmer.*", 
        "field": "job.keyword",
        "size": 10
      },
      "aggs": {
        "myBucketSort": {
          "bucket_sort": {
            "from": 0,
            "size": 5,
            "gap_policy": "SKIP"
          }
        }
      }
    },
    "termsCount": {
      "cardinality": {
       "script": {
          "source": """if(doc['job.keyword'].value.contains('Programmer')) {doc['job.keyword'].value }"""
        },
        "precision_threshold": 30000
      }
    }
  }
}
  • 方法2:
GET employees/_search
{
  "size": 0,
  "query": {
    "match_all": {}
  },
  "aggs": {
    "myTerms": {
      "terms": {
        "script": {
          "source": """if(doc['job.keyword'].value.contains('Programmer')) {doc['job.keyword'].value }"""
        },
        "size": 10
      },
      "aggs": {
        "myBucketSort": {
          "bucket_sort": {
            "from": 0,
            "size": 5,
            "gap_policy": "SKIP"
          }
        }
      }
    },
    "termsCount": {
      "cardinality": {
       "script": {
          "source": """if(doc['job.keyword'].value.contains('Programmer')) {doc['job.keyword'].value }"""
        },
        "precision_threshold": 30000
      }
    }
  }
}
  • 其他方法:利用normalizer或者analyzer,但同样有弊端,如何实现可以google搜索一下。

参考:

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,992评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,212评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,535评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,197评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,310评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,383评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,409评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,191评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,621评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,910评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,084评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,763评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,403评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,083评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,318评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,946评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,967评论 2 351