如何跨多索引查询并优先返回customer-index中的重复文档？

针对你遇到的同ID文档重复、需优先返回customer-index中修改版的场景，以下是几种可行的实现方案：

方案一：利用collapse+inner_hits（推荐） #

通过按_id折叠结果，同时指定排序规则优先选取customer-index的文档，是最贴近常规搜索返回结构的方案。

基于is_edited字段的实现 #

因为customer-index的文档都带有is_edited=true字段，可利用该字段排序：

GET /customer-alias/_search
{
  "query": {
    "match": { "title": "你的查询关键词" } // 替换为实际查询条件
  },
  "collapse": {
    "field": "_id",
    "inner_hits": {
      "name": "preferred_doc",
      "size": 1,
      "sort": [
        { "is_edited": { "order": "desc", "missing": "_last" } }
      ]
    }
  },
  "_source": false,
  "fields": []
}

• collapse按_id将同ID文档分组
• inner_hits每组仅取1条，排序规则确保is_edited=true的文档（修改版）排在首位，无该字段的原始文档排最后
• 关闭_source是避免返回默认的随机主文档，最终结果从inner_hits.preferred_doc中提取

直接按索引名排序（不依赖自定义字段） #

如果不想依赖is_edited字段，可直接按索引名字典序排序：

GET /customer-alias/_search
{
  "query": {
    "match_all": {}
  },
  "collapse": {
    "field": "_id",
    "inner_hits": {
      "name": "preferred_doc",
      "size": 1,
      "sort": [
        { "_index": { "order": "desc" } }
      ]
    }
  },
  "_source": false,
  "fields": []
}

• 由于customer-index字典序比master-index靠后，降序排序后修改版文档会被优先选中；若索引名不符合这个顺序，可调整排序方向或结合function_score给目标索引加权重。

方案二：聚合+top_hits #

如果需要通过聚合处理，可使用terms分组+top_hits获取每组优先文档：

GET /customer-alias/_search
{
  "query": {
    "match": { "content": "查询内容" }
  },
  "aggs": {
    "group_by_id": {
      "terms": {
        "field": "_id",
        "size": 10000 // 根据数据量调整最大值
      },
      "aggs": {
        "latest_version": {
          "top_hits": {
            "size": 1,
            "sort": [
              { "is_edited": { "order": "desc", "missing": "_last" } }
            ]
          }
        }
      }
    }
  },
  "size": 0 // 关闭默认搜索结果，仅返回聚合数据
}

• 按_id分组后，每组通过top_hits取排序后的第一条文档，实现去重并优先保留修改版。

关于你之前尝试方法的说明 #

• indices_boost仅提升索引整体得分，不会自动去重，同ID的两个文档仍会同时返回，只是修改版排序靠前，因此必须结合collapse才能实现去重需求。
• 聚合本身可以返回字段，通过top_hits子聚合就能获取完整的文档内容，之前的问题是没用到正确的子聚合类型。

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