如何在OpenSearch中筛选最新嵌套对象符合条件的记录？

这个需求完全可行，以下是具体实现方案：

前提：确保嵌套字段映射正确 #

首先必须将nestedObject字段的映射设置为nested类型（默认的object类型无法独立判断数组中每个嵌套对象的条件），示例映射如下：

{
  "mappings": {
    "properties": {
      "id": { "type": "integer" },
      "nestedObject": {
        "type": "nested",
        "properties": {
          "date": { "type": "date" },
          "boolean": { "type": "boolean" }
        }
      }
    }
  }
}

方案一：实时计算最新日期的查询DSL #

直接在查询中通过脚本计算当前文档的最新嵌套对象日期，同时过滤符合条件的记录：

{
  "query": {
    "nested": {
      "path": "nestedObject",
      "query": {
        "bool": {
          "must": [
            { "term": { "nestedObject.boolean": true } },
            {
              "script": {
                "script": "doc['nestedObject.date'].value == Math.max(...doc['nestedObject.date'].values)"
              }
            }
          ]
        }
      },
      "inner_hits": {
        "size": 1,
        "sort": [{"nestedObject.date": "desc"}]
      }
    }
  }
}

• nested查询指定路径后，每个嵌套对象会被独立评估
• 脚本部分先计算当前文档所有嵌套对象的最大日期，再判断当前对象的日期是否匹配
• inner_hits用于仅返回符合条件的最新嵌套对象，避免返回整个嵌套数组

方案二：预处理优化查询性能 #

如果数据更新频率不高，可以通过Ingest Pipeline提前计算每个文档的最新嵌套日期，减少查询时的实时计算开销：

1. 创建预处理管道 #

{
  "processors": [
    {
      "script": {
        "source": """
          def dates = ctx.nestedObject.stream().map(obj -> obj.date).collect(Collectors.toList());
          ctx.latest_nested_date = Collections.max(dates);
        """
      }
    }
  ]
}

该管道会在文档写入OpenSearch时，自动计算并添加latest_nested_date字段，存储当前文档的最新嵌套对象日期。

2. 简化后的查询DSL #

{
  "query": {
    "nested": {
      "path": "nestedObject",
      "query": {
        "bool": {
          "must": [
            { "term": { "nestedObject.boolean": true } },
            { "match": { "nestedObject.date": "{{latest_nested_date}}" } }
          ]
        }
      }
    }
  }
}

这种方式查询性能更优，适合数据写入后更新较少的场景。

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