如何在OpenSearch中获取匹配双查询的记录对？

针对你需要同时匹配多语言条件、排除单语言匹配组的需求，推荐使用布尔查询+聚合+桶筛选的方案，一次查询即可完成所有逻辑，避免多次调用的性能损耗，具体实现如下：

核心思路 #

1. 先用布尔查询过滤出符合任一语言条件的记录，缩小聚合范围；
2. 按group_id分组聚合，在每个组内分别统计符合两种语言条件的文档数；
3. 通过桶筛选器（Bucket Selector）只保留同时满足两种语言条件的组；
4. 用Top Hits聚合直接获取每个组的多语言详情，同时用基数聚合（Cardinality）得到符合条件的总组数。

示例DSL #

GET /your_index/_search
{
  "size": 0, // 无需返回原始文档，聚焦聚合结果
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "content": {
              "query": "Hello World",
              "analyzer": "english" // 对应英文分析器，按需调整
            }
          }
        },
        {
          "match": {
            "content": {
              "query": "Hola Mundo",
              "analyzer": "spanish" // 对应西班牙文分析器，按需调整
            }
          }
        }
      ],
      "minimum_should_match": 1
    }
  },
  "aggs": {
    "valid_groups": {
      "terms": {
        "field": "group_id",
        "size": 500, // 返回前500个符合条件的组
        "shard_size": 1000 // 分片预取量，提升结果准确性
      },
      "aggs": {
        // 统计组内符合英文条件的文档数
        "english_matches": {
          "filter": {
            "match": {
              "content": {
                "query": "Hello World",
                "analyzer": "english"
              }
            }
          }
        },
        // 统计组内符合西班牙文条件的文档数
        "spanish_matches": {
          "filter": {
            "match": {
              "content": {
                "query": "Hola Mundo",
                "analyzer": "spanish"
              }
            }
          }
        },
        // 获取该组的所有多语言记录详情
        "group_details": {
          "top_hits": {
            "size": 10 // 按实际语言数量调整
          }
        },
        // 筛选同时满足两种语言条件的组
        "filter_valid_groups": {
          "bucket_selector": {
            "buckets_path": {
              "engCount": "english_matches._count",
              "spaCount": "spanish_matches._count"
            },
            "script": "params.engCount > 0 && params.spaCount > 0"
          }
        }
      }
    },
    // 获取符合条件的总组数（百万级数据下精度足够）
    "total_valid_group_count": {
      "cardinality": {
        "field": "group_id",
        "precision_threshold": 100000
      }
    }
  }
}

关键优化点 #

• 字段类型：确保group_id是keyword类型，聚合性能会大幅提升；
• 分析器配置：不同语言的content字段使用对应语言的分析器，保证匹配准确性；
• 分片预取：设置shard_size大于size，避免分片级别的结果截断，提升聚合结果的准确性；
• 精度控制：cardinality聚合的precision_threshold设为100000时，百万级数据的计数误差在5%以内，若需要绝对准确，可将terms聚合的size设为足够大（但会增加内存消耗）。

方案优势 #

• 一次查询完成所有逻辑，避免多次调用的网络和计算开销；
• 直接返回前500组的多语言详情，无需二次查询；
• 内置的聚合优化能高效处理百万级数据，性能远优于多次查询的方式。

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