Elasticsearch 6如何过滤文档对象数组并移除不匹配项

Elasticsearch 6.0里，nested类型的数组是独立存储的，主文档的_source默认会保留原始数据，所以单纯用inner_hits只能拿到过滤后的子集，但主文档的数组还是完整的。要让主文档直接返回过滤后的数组项，有两种可行的实现方式：

方法一：用脚本字段生成过滤后的数组 #

通过script_fields自定义一个字段，用Painless脚本遍历原始数组，筛选出符合条件的项（无权限限制或匹配学生ID）。示例查询如下：

{
  "query": {
    "nested": {
      "path": "basicPageBodyParagraphs",
      "query": {
        "bool": {
          "should": [
            { "bool": { "must_not": { "exists": { "field": "basicPageBodyParagraphs.paragraphAccessRoles" } } } },
            { "term": { "basicPageBodyParagraphs.paragraphAccessRoles": "student_123" } }
          ]
        }
      }
    }
  },
  "script_fields": {
    "filtered_basicPageBodyParagraphs": {
      "script": {
        "lang": "painless",
        "source": """
          def filtered = [];
          for (item in params._source.basicPageBodyParagraphs) {
            if (item.paragraphAccessRoles == null || item.paragraphAccessRoles == params.studentId) {
              filtered.add(item);
            }
          }
          return filtered;
        """,
        "params": {
          "studentId": "student_123"
        }
      }
    }
  },
  "_source": ["_id"] // 可选，只返回必要字段，避免重复返回原始数组
}

返回结果中，filtered_basicPageBodyParagraphs字段就是过滤后的数组内容。

方法二：用脚本化_source修改返回的原始数据 #

如果希望直接修改_source里的数组内容，可以使用_source的脚本参数。注意需要在Elasticsearch配置文件elasticsearch.yml中开启inline脚本支持：script.inline: true、script.stored: true。示例查询：

{
  "query": {
    "nested": {
      "path": "basicPageBodyParagraphs",
      "query": {
        "bool": {
          "should": [
            { "bool": { "must_not": { "exists": { "field": "basicPageBodyParagraphs.paragraphAccessRoles" } } } },
            { "term": { "basicPageBodyParagraphs.paragraphAccessRoles": "student_123" } }
          ]
        }
      }
    }
  },
  "_source": {
    "script": {
      "lang": "painless",
      "source": """
        def filtered = [];
        for (item in ctx._source.basicPageBodyParagraphs) {
          if (item.paragraphAccessRoles == null || item.paragraphAccessRoles == params.studentId) {
            filtered.add(item);
          }
        }
        ctx._source.basicPageBodyParagraphs = filtered;
        return ctx._source;
      """,
      "params": {
        "studentId": "student_123"
      }
    }
  }
}

这种方式会直接修改返回的_source内容，把原始数组替换成过滤后的结果，但不会改变索引中存储的原始文档。

注意事项 #

• 两种方法都依赖Painless脚本，确保集群已开启脚本支持；
• 脚本字段方式不会修改原始_source，适合需要同时保留原始数据和过滤结果的场景；脚本化_source方式更贴合你“主文档直接返回过滤数组”的需求；
• 因为nested类型的存储特性，无法通过单纯的查询条件自动过滤主文档数组，必须借助脚本实现。

内容的提问来源于stack exchange，提问作者Jarede