Elasticsearch字段离散值查询：能否直接获取作者与栏目值用于筛选？

你的authors和section字段已经设置为keyword类型，这种类型本身就是为精确匹配、聚合查询设计的，完全可以直接从articles索引中获取它们的离散值用于UI筛选，没必要额外建索引。

具体实现方式： #

1. 获取离散值（用于UI筛选选项）
   使用terms聚合就能一次性拿到所有唯一的作者和栏目值，示例请求如下：

   GET /articles/_search
   {
     "size": 0,
     "aggs": {
       "unique_authors": {
         "terms": {
           "field": "authors",
           "size": 1000  // 根据实际数据量调整，默认返回10条
         }
       },
       "unique_sections": {
         "terms": {
           "field": "section",
           "size": 1000
         }
       }
     }
   }
   

   响应结果会返回所有不重复的作者和栏目列表，直接渲染到UI筛选组件即可。

2. 根据选中值筛选文档
   用户选择特定作者或栏目后，用term（单值筛选）或terms（多值筛选）查询就能过滤目标文档，示例：

   GET /articles/_search
   {
     "query": {
       "bool": {
         "filter": [
           {"term": {"authors": "author 1"}},
           {"term": {"section": "article section"}}
         ]
       }
     }
   }
   

大数据量场景的优化建议： #

如果articles索引数据量达到千万级以上，聚合查询响应变慢，可以给这两个字段开启eager_global_ordinals，提前预计算聚合所需的数据结构，提升性能：

PUT /articles/_mapping
{
  "properties": {
    "authors": {
      "type": "keyword",
      "eager_global_ordinals": true
    },
    "section": {
      "type": "keyword",
      "eager_global_ordinals": true
    }
  }
}

什么时候需要单独建索引？ #

只有当作者、栏目需要存储额外元数据（比如作者头像、栏目描述），或者需要独立维护这些维度数据（不依赖文章索引的更新）时，才考虑单独创建authors、sections索引，再通过关联查询对接原索引。但就你当前的需求来说，完全没必要。

内容的提问来源于stack exchange，提问作者ziv