如何在Elasticsearch中实现类似MongoDB $lookup的跨索引关联查询

Elasticsearch 原生支持该类关联查询需求，针对你的场景有三种常用落地方案，可根据你的业务特性选择：

方案1：查询侧二次查询组装（最简单，适合中小数据量、实时性要求高的场景） #

不需要修改现有索引结构，分两步查询后在应用侧组装结果即可：

1. 第一步全量查询index1，拿到所有doc_id列表和对应index1文档的基础信息
2. 第二步用terms查询拉取所有关联的index2文档：

GET /index2/_search
{
  "query": {
    "terms": {
      "index1_id": ["A1", "A2", "A3"] // 替换为第一步拿到的所有index1的doc_id
    }
  },
  "size": 10000 // 可根据关联数据量级调整
}

3. 应用侧将查询到的index2文档按index1_id字段分组，拼接到对应index1文档的index2_docs字段，同时统计total_index2_count即可，无关联数据的字段填充空数组和0。

方案2：Enrich处理器预关联（适合查询性能要求高、实时性要求低的场景） #

原理是提前将index2的关联数据预聚合后写入index1的字段中，查询时直接读取index1就能得到目标结构，无需二次处理：

1. 创建enrich关联策略，配置匹配规则：

PUT /_enrich/policy/index2_lookup_policy
{
  "match": {
    "indices": "index2",
    "match_field": "index1_id",
    "enrich_fields": ["doc_id", "class"]
  }
}

2. 执行策略初始化，生成关联快照：

POST /_enrich/policy/index2_lookup_policy/_execute

3. 为index1配置摄入管道，写入/更新index1文档时自动关联index2的数据，聚合为index2_docs数组并计算total_index2_count存储。
   注：如果index2的数据有更新，需要重新执行策略执行命令同步快照数据。

方案3：父子文档模型（适合关联关系固定、实时性要求高的场景） #

将两个索引合并为同一个索引的父子文档结构，查询时直接通过inner_hits拿到关联数据：

1. 合并后的索引mapping配置join字段，将index1文档设为父类型，index2文档设为子类型，子文档写入时指定parent字段为对应index1的doc_id
2. 查询时用以下请求直接拿到目标结果：

GET /merged_index/_search
{
  "query": {
    "term": {
      "join_field": "index1_doc"
    }
  },
  "inner_hits": {
    "index2_docs": {
      "type": "index2_doc",
      "size": 100
    }
  },
  "aggs": {
    "to_children": {
      "children": {
        "type": "index2_doc"
      },
      "aggs": {
        "total_index2_count": {
          "value_count": {
            "field": "_id"
          }
        }
      }
    }
  }
}

注：该方案要求父子文档必须落在同一分片，写入子文档时需要指定父文档id作为路由参数，灵活性相对较低。

内容的提问来源于stack exchange，提问作者drake1994