Elasticsearch聚合分桶后如何按_score阈值过滤结果

ES 7.17 中管道聚合（比如Bucket Selector）确实无法直接引用_score元字段，有两种可落地的实现方式，都支持按分桶最高得分过滤结果：

方案1：ES聚合侧原生过滤（无需业务侧后处理） #

核心思路是先通过max指标聚合把每个uid分桶的最高_score提取为可被管道聚合引用的指标，再通过Bucket Selector按阈值过滤分桶，同时调整terms聚合的排序规则匹配按得分降序的需求。

注意：必须调整rescore.window_size参数，默认值100表示仅对query阶段返回的前100条文档做重算分，如果总命中文档数超过这个值，未进入窗口的文档会保留原始match查询的分数，导致聚合结果错误，需要把该值设为大于等于query总命中数。

修改后的查询示例（阈值设为0.98）：

{
    "size": 0,
    "query": {
        "match": {
            "person": "John Smith"
        }
    },
    "rescore": {
        "window_size": 1000,
        "query": {
            "rescore_query": {
                "function_score": {
                    "pair_score": {
                        "field": "person",
                        "query_name": {
                            "data": "John Smith"
                        }
                    }
                }
            },
            "query_weight": 0.0,
            "rescore_query_weight": 1.0
        }
    },
    "aggs": {
        "top-uids": {
            "terms": {
                "field": "uid",
                "order": {
                    "max_bucket_score": "desc"
                },
                "size": 10000
            },
            "aggs": {
                "max_bucket_score": {
                    "max": {
                        "script": "_score"
                    }
                },
                "top_uids_hits": {
                    "top_hits": {
                        "sort": [
                            {
                                "_score": {
                                    "order": "desc"
                                }
                            }
                        ],
                        "size": 1
                    }
                },
                "score_filter": {
                    "bucket_selector": {
                        "buckets_path": {
                            "topScore": "max_bucket_score"
                        },
                        "script": "params.topScore > 0.98"
                    }
                }
            }
        }
    }
}

参数说明：

• rescore.window_size：根据实际业务命中量调整，确保所有匹配文档都经过重算分
• terms.size：设置为需要返回的最大uid分桶数，默认值10会导致低分桶被过滤后返回结果不足
• bucket_selector.script：替换为实际需要的分数阈值即可

方案2：业务侧轻量后处理 #

如果不想改动现有查询逻辑，由于查询设置了size:0，仅返回聚合结果，数据量极小，可以直接在业务代码层做过滤：遍历返回结果中aggregations.top-uids.buckets数组，保留top_uids_hits.hits.hits[0]._score（或top_uids_hits.hits.max_score）大于阈值的分桶即可，实现成本极低，性能开销可以忽略。

两种方案都能满足需求，前者直接在ES侧返回最终结果，后者无需调整现有查询配置，可根据实际场景选择。

内容的提问来源于stack exchange，提问作者Stpete111