如何在Elasticsearch中对数组字段值执行不去重的聚合统计？

问题场景 #

我有如下文档：

[{
  "title": "Document 1",
  "tags": ["elasticsearch", "aggregation", "elasticsearch"] 
},
{
  "title": "Document 2",
  "tags": ["elasticsearch", "search", "search"]
},
{
  "title": "Document 3",
  "tags": ["aggregation", "search"]
}]

执行常规terms聚合请求：

{
  "size": 0,
  "aggs": {
    "tags_count": {
      "terms": {
        "field": "tags.keyword"
      }
    }
  }
}

期望得到每个标签的总出现次数（包含同一文档内的重复值）：

{
  "aggregations": {
    "tags_count": {
      "buckets": [
        { "key": "elasticsearch", "doc_count": 3 },
        { "key": "search", "doc_count": 3 },
        { "key": "aggregation", "doc_count": 2 }
      ]
    }
  }
}

但实际返回的是标签出现的文档数（去重计数）：

{
  "aggregations": {
    "tags_count": {
      "buckets": [
        { "key": "elasticsearch", "doc_count": 2 },
        { "key": "search", "doc_count": 2 },
        { "key": "aggregation", "doc_count": 2 }
      ]
    }
  }
}

解决方案 #

默认terms聚合按包含该标签的文档数量计数，而非标签的总出现次数。要实现预期效果，需通过脚本遍历数组中的每个元素并单独输出，让聚合统计每个元素的总出现次数。

修改后的聚合请求：

{
  "size": 0,
  "aggs": {
    "tags_count": {
      "terms": {
        "script": {
          "source": "for (tag in doc['tags.keyword']) { emit(tag); }"
        },
        "size": 10 // 根据实际需求调整返回的桶数量
      }
    }
  }
}

该脚本会逐个输出数组中的每个标签元素，terms聚合据此统计每个标签的总出现次数，最终得到预期结果。

内容的提问来源于stack exchange，提问作者Finn Llewellyn