Elasticsearch查询嵌套文档最小值且满足其他过滤条件的方法

可行性结论 #

该需求完全可以实现，无需重构现有存储结构，可根据Elasticsearch版本、数据量级、查询场景选择对应实现方式。

前提说明 #

默认索引中orders为nested类型，包含3个核心字段：

• order_id：订单ID，keyword类型
• order_status：订单状态，keyword类型
• order_time：下单时间，date类型
  基础mapping参考：

PUT /user_idx
{
  "mappings": {
    "properties": {
      "user_id": {"type": "keyword"},
      "orders": {
        "type": "nested",
        "properties": {
          "order_id": {"type": "keyword"},
          "order_status": {"type": "keyword"},
          "order_time": {"type": "date"}
        }
      }
    }
  }
}

方案1：实时查询（无需预处理，适合中小数据量低并发场景） #

通过nested查询配合脚本评分，查询时实时校验订单是否为用户最早订单，同时匹配状态、ID前缀规则，可直接返回命中的用户文档和对应匹配的订单详情。
示例DSL（以查询订单状态为paid、订单ID前缀为100的用户为例）：

GET /user_idx/_search
{
  "query": {
    "nested": {
      "path": "orders",
      "query": {
        "bool": {
          "must": [
            // 匹配指定订单状态
            {"term": {"orders.order_status": "paid"}},
            // 匹配指定订单ID前缀
            {"prefix": {"orders.order_id": "100"}},
            // 校验当前订单为用户最早下单的订单
            {
              "function_score": {
                "script_score": {
                  "script": {
                    "source": """
                      long minOrderTime = params._source.orders
                        .stream()
                        .mapToLong(order -> order.order_time.toInstant().toEpochMilli())
                        .min()
                        .getAsLong();
                      return doc['orders.order_time'].value.toInstant().toEpochMilli() == minOrderTime ? 1 : 0;
                    """
                  }
                }
              }
            }
          ]
        }
      },
      // 返回命中的符合条件的订单详情，方便结果校验
      "inner_hits": {}
    }
  }
}

注意事项 #

• 单用户嵌套订单量超过1000条时，脚本遍历会有明显性能损耗，不适合高并发查询场景
• 7.x以下版本默认禁止脚本访问_source，需要调整对应配置，或者改用聚合方案
• order_id如果存为数值类型无法直接使用prefix查询，建议提前存为keyword类型

方案2：聚合筛选（适合统计场景，无_source访问权限时可用） #

如果不需要直接返回全量用户文档，只需要筛选出符合条件的用户ID，可以用嵌套聚合+top_hits+桶选择器实现，不需要访问文档_source。
示例DSL：

GET /user_idx/_search
{
  "size": 0,
  "aggs": {
    "user_group": {
      "terms": {
        "field": "user_id",
        "size": 10000
      },
      "aggs": {
        "user_orders": {
          "nested": {"path": "orders"},
          "aggs": {
            "earliest_order": {
              "top_hits": {
                "sort": [{"orders.order_time": "asc"}],
                "size": 1,
                "_source": ["orders.order_id", "orders.order_status"]
              }
            }
          }
        },
        "valid_user_filter": {
          "bucket_selector": {
            "buckets_path": {"topOrder": "user_orders>earliest_order"},
            "script": {
              "source": """
                def order = params.topOrder.hits.hits[0]._source.orders;
                return order.order_status == 'paid' && order.order_id.startsWith('100');
              """
            }
          }
        }
      }
    }
  }
}

方案3：预处理优化（适合生产高并发场景） #

如果查询QPS较高，建议在数据写入阶段提前给每个订单新增is_earliest_order布尔字段，标记该订单是否为对应用户的最早订单。后续查询只需要在nested查询中新增一个term过滤条件"term": {"orders.is_earliest_order": true}即可，完全不需要脚本，查询性能和普通嵌套查询一致。

内容的提问来源于stack exchange，提问作者NNN123