如何用单条Elasticsearch查询高效获取筛选商品的销售数据

针对你的需求，推荐两种高效的单请求实现方式，避免两次独立查询的性能损耗：

方式一：使用Terms Lookup Query（推荐，适合关联查询场景） #

这种方式会先从products索引筛选符合条件的item_code，再自动用这些item_code匹配sales索引的记录，一次请求完成关联查询。

查询示例 #

GET /sales/_search
{
  "query": {
    "terms": {
      "item_code": {
        "index": "products",
        "path": "item_code",
        "lookup": {
          "query": {
            "bool": {
              "filter": [
                {"term": {"color": "Blue"}},
                {"term": {"size": "Medium"}}
                // 可添加其他商品筛选条件，比如category等
              ]
            }
          }
        }
      }
    }
  },
  // 可选：同时返回对应的商品信息
  "inner_hits": {
    "matched_products": {
      "index": "products",
      "query": {
        "bool": {
          "filter": [
            {"term": {"color": "Blue"}},
            {"term": {"size": "Medium"}}
          ]
        }
      },
      "_source": ["item_code", "color", "size", "category"]
    }
  }
}

说明 #

• 核心逻辑：通过terms查询的lookup参数，先在products索引执行过滤条件拿到item_code列表，再用这些item_code匹配sales索引的记录。
• inner_hits用于同时返回符合条件的商品数据，无需额外查询。
• 性能优化：确保products索引的item_code、color、size字段为keyword类型（避免分词干扰），且已建立倒排索引；若商品量极大，可给筛选字段开启doc_values提升查询速度。

方式二：使用Multi-Search API（一次HTTP请求执行两个查询） #

如果需要分别获取筛选后的商品列表和对应销售数据，可用_msearch在一个HTTP请求里执行两个查询，减少网络开销。

请求示例 #

GET /_msearch
{"index": "products"}
{
  "query": {
    "bool": {
      "filter": [
        {"term": {"color": "Blue"}},
        {"term": {"size": "Medium"}}
      ]
    }
  },
  "_source": ["item_code", "color", "size", "category"] // 只返回需要的商品字段
}
{"index": "sales"}
{
  "query": {
    "terms": {
      "item_code": {
        "index": "products",
        "path": "item_code",
        "lookup": {
          "query": {
            "bool": {
              "filter": [
                {"term": {"color": "Blue"}},
                {"term": {"size": "Medium"}}
              ]
            }
          }
        }
      }
    }
  }
}

说明 #

• 该方式会返回两个结果集：第一个是符合条件的商品数据，第二个是对应商品的销售数据。
• 优势：逻辑清晰，同时获取两类数据，仅产生一次HTTP请求的网络开销。

额外性能建议 #

• 给products索引的筛选字段（color、size等）设置keyword类型，避免分词导致的匹配错误和性能损耗。
• 若商品数据量持续增长，可调整products索引的分片数，提升查询并行处理能力。
• 销售数据可按sale_date设置时间分片索引，进一步缩小查询范围，提升效率。

内容的提问来源于stack exchange，提问作者md-shah