如何高效统计Elasticsearch索引中匹配的嵌套对象总数？

我有一个包含nested类型字段subject的Elasticsearch索引，其映射如下：

{
  "mappings": {
    "properties": {
      "class": {
        "type": "text"
      },
      "subject": {
        "type": "nested",
        "properties": {
          "name": {
            "type": "text"
          }
        }
      }
    }
  }
}

已向该索引写入以下文档：

PUT test_aggs/_doc/1
{
  "class": "first standard",
  "subject": [
    {
      "name": "english basics"
    },
    {
      "name": "maths basics"
    }
    ]
}

PUT test_aggs/_doc/2
{
  "class": "second standard",
  "subject": [
    {
      "name": "english advanced"
    },
    {
      "name": "maths advanced"
    }
    ]
}

PUT test_aggs/_doc/3
{
  "class": "THIRD standard",
  "subject": [
    {
      "name": "english"
    },
    {
      "name": "c programing"
    },
    {
      "name": "maths"
    }
    ]
}

PUT test_aggs/_doc/4
{
  "class": "fourth standard",
  "subject": [
    {
      "name": "social science"
    },
    {
      "name": "java"
    },
    {
      "name": "science"
    }
    ]
}

我需要统计所有subject.name字段包含"english"的嵌套对象总数，目前使用以下聚合查询可以实现，但性能较慢：

GET test_aggs/_search
{
  "_source": ["class"], 
  "query": {
    "bool": {
      "must": [
        {
          "nested": {
            "path": "subject",
            "query": {
              "match": {
                "subject.name": "english"
              }
            }
          }
        }
      ]
    }
  },
  "aggs": {
    "subjects": {
      "nested": {
        "path": "subject"
      },
      "aggs": {
        "matched_subject": {
          "filter": {
            
            "match": {
              "subject.name": 
                "english"
            }
          }
        }
      }
    }
  }
}

请问是否有更高效的方式实现此需求？

1. 移除冗余外层查询，仅保留嵌套聚合 #

当前查询先过滤出包含目标嵌套对象的文档，再对这些文档的嵌套对象二次过滤统计，存在不必要的开销。直接使用嵌套聚合+过滤即可得到总数，同时设置size:0避免返回无关文档，进一步提升性能：

GET test_aggs/_search
{
  "size": 0,
  "aggs": {
    "subjects": {
      "nested": {
        "path": "subject"
      },
      "aggs": {
        "matched_subject": {
          "filter": {
            "match": {
              "subject.name": "english"
            }
          }
        }
      }
    }
  }
}

2. 使用terms聚合配合include模式（适合匹配规则可通配描述的场景） #

如果匹配规则可以用通配符、前缀等模式描述，可借助terms聚合+include实现，搭配keyword字段能大幅提升聚合效率：

GET test_aggs/_search
{
  "size": 0,
  "aggs": {
    "subjects": {
      "nested": {
        "path": "subject"
      },
      "aggs": {
        "english_subjects": {
          "terms": {
            "field": "subject.name.keyword",
            "include": "*english*",
            "size": 1000
          },
          "aggs": {
            "count_per_term": {
              "value_count": {
                "field": "subject.name.keyword"
              }
            }
          }
        },
        "total_english": {
          "sum_bucket": {
            "buckets_path": "english_subjects>count_per_term"
          }
        }
      }
    }
  }
}

注意：需确保subject.name存在对应的keyword类型映射（若当前映射缺失，需更新映射添加），因为terms聚合对text字段性能极差，而keyword字段为精确值，聚合效率更高。

3. 预计算统计值（终极性能优化） #

如果该统计查询属于高频操作，最彻底的优化方式是在写入文档时预计算符合条件的嵌套对象数量，新增字段如english_subject_count：

• 文档1、3设置english_subject_count:1
• 文档2、4设置english_subject_count:0

后续统计总数仅需简单的sum聚合，无需遍历嵌套对象，性能最优：

GET test_aggs/_search
{
  "size":0,
  "aggs":{
    "total_english_subjects":{
      "sum":{
        "field":"english_subject_count"
      }
    }
  }
}

内容的提问来源于stack exchange，提问作者randomDev