Elasticsearch如何实现子聚合查询获取2021年文章高频词？

核心报错原因 #

• 聚合语法结构错误：你在顶层aggs配置下直接新增了aggs字段，ES会将这个aggs识别为自定义的聚合名称，其下的word_counts_2021就会被误判为聚合类型，因此抛出「未知聚合类型」的错误。管道类聚合（如bucket_selector）必须作为某一个父聚合的子聚合存在，不能直接挂载在顶层aggs下。
• 业务逻辑设计低效：当前写法先聚合全量文档再过滤2021年数据，完全可以前置到query阶段过滤，大幅降低聚合计算量。
• 字段聚合逻辑错误：publish_datetime是日期类型，用terms聚合不符合日期分层统计的需求；content如果是text类型，默认没有开启fielddata，无法直接做terms聚合，强行执行会触发新的报错。

最优实现方案 #

直接在query阶段过滤2021年的文档，再对文本做高频词统计即可，推荐两种适配不同场景的写法：

写法1：terms聚合（需提前配置content字段的fielddata） #

GET articles/_search
{
  "size": 0,
  "query": {
    "range": {
      "publish_datetime": {
        "gte": "2021-01-01T00:00:00Z",
        "lte": "2021-12-31T23:59:59Z"
      }
    }
  },
  "aggs": {
    "top_2021_words": {
      "terms": {
        "field": "content",
        "size": 100
      }
    }
  }
}

写法2：significant_text聚合（无需修改mapping，专门适配文本关键词统计） #

GET articles/_search
{
  "size": 0,
  "query": {
    "range": {
      "publish_datetime": {
        "gte": "2021-01-01",
        "lte": "2021-12-31"
      }
    }
  },
  "aggs": {
    "top_2021_keywords": {
      "significant_text": {
        "field": "content",
        "size": 100
      }
    }
  }
}

内容的提问来源于stack exchange，提问作者dom