Elasticsearch统计包含已删文档，如何清理或排除已删文档？

1. 确认索引已彻底删除 #

删除索引后必须验证索引确实不存在：

• 通过Elasticsearch API执行检查：

GET /_cat/indices?v

若news索引仍存在，说明删除命令执行失败，可修改代码先检查再删除：

with app.app_context():
    if app.elasticsearch.indices.exists(index='news'):
        app.elasticsearch.indices.delete(index='news')

2. 强制清除已删除文档（针对未删除索引的场景） #

如果之前仅删除了索引内的文档而非整个索引，可通过强制合并操作彻底清除磁盘上标记为删除的文档：

with app.app_context():
    app.elasticsearch.indices.forcemerge(index='news', only_expunge_deletes=True)

注意：该操作会占用较多系统资源，避免在业务高峰期执行。

3. 确保查询返回精确总数 #

Elasticsearch 8.x对大数据量查询默认可能返回近似总数，修改查询代码强制返回精确统计：

def query_index(index, query, page, per_page):
    if not current_app.elasticsearch:
        return [], 0
    search = current_app.elasticsearch.search(
        index=index,
        body={'query': {'multi_match': {'query': query, 'fields': ['*']}},
              'from': (page - 1) * per_page, 'size': per_page,
              'track_total_hits': True})  # 新增该行确保精确计数
    ids = [int(hit['_id']) for hit in search['hits']['hits']]
    # 可选：若仍存在重复ID，可添加去重逻辑
    unique_ids = list(set(ids))
    return unique_ids, search['hits']['total']['value']

4. 修正导入逻辑避免重复 #

导入时使用数据库记录的ID作为Elasticsearch文档ID，重新导入时会覆盖旧文档而非新增：

def add_to_index(index, model):
    if not current_app.elasticsearch:
        return
    payload = {field: getattr(model, field) for field in model.__searchable__}
    # 绑定数据库ID与ES文档ID
    current_app.elasticsearch.index(index=index, id=model.id, body=payload)

内容的提问来源于stack exchange，提问作者Vanpaia