Elasticsearch数组字段terms聚合如何仅返回查询匹配的桶？

出现多余聚合桶的核心原因是：查询阶段的filter仅判断文档是否包含至少一个匹配的media值，过滤后的文档会保留完整的media数组，聚合阶段会对数组的所有元素分桶，因此会出现不在过滤条件内的桶。

方案1：使用支持terms lookup的terms聚合includes参数（适用于Elasticsearch 7.10及以上版本） #

terms聚合的includes参数支持和查询阶段完全一致的terms lookup语法，不需要提前获取用户的favorite_media取值，直接复用查询端的配置即可，修改后的查询如下：

{
    "query": {
        "filter": {
            "terms": {
                "media": {
                    "index": "user_index",
                    "id": 42,
                    "path": "favorite_media"
                }
            }
        }
    },
    "aggs": {
        "Posts_by_media": {
            "terms": {
                "field": "media",
                "size": 1000,
                "includes": {
                    "index": "user_index",
                    "id": 42,
                    "path": "favorite_media"
                }
            }
        }
    }
}

该方案会在聚合分桶阶段直接过滤掉不在lookup结果内的key，最终仅返回twitter和instagram两个符合要求的桶，仅需一次查询即可完成，性能损耗极低。

方案2：两次查询方案（兼容全版本Elasticsearch） #

如果你使用的ES版本不支持includes参数的terms lookup能力，可以分两步执行：

1. 先查询user_index索引，获取id为42的用户的favorite_media值列表
2. 将第一步拿到的列表作为includes参数的值传入聚合查询，示例如下：
   假设第一步获取到的列表为["twitter", "instagram"]，第二步的查询语句：

{
    "query": {
        "filter": {
            "terms": {
                "media": ["twitter", "instagram"]
            }
        }
    },
    "aggs": {
        "Posts_by_media": {
            "terms": {
                "field": "media",
                "size": 1000,
                "includes": ["twitter", "instagram"]
            }
        }
    }
}

该方案逻辑简单，无额外的聚合计算开销，兼容性最好，唯一不足是需要执行两次请求，适合对实时性要求不高的场景。

内容的提问来源于stack exchange，提问作者aethos