Elasticsearch跨多索引取Top N文档按索引分组如何限制总返回数

你当前的DSL是按索引分组后每个组返回20条，总条数会随匹配索引数量增加而超出限制，要实现全局总返回不超过20条可以用以下两种方案：

方案1：业务侧自行分组（性能最优） #

直接查询全局匹配度最高的20条文档，拿到结果后在业务代码中按_index字段分组即可，无额外聚合开销，查询效率最高：

{
  "size": 20,
  "query": {
    "multi_match" : {
      "query": "some term"
    }
  }
}

方案2：ES侧直接返回分组结构 #

如果需要ES直接输出按索引分组后的结果，不需要业务二次处理，可以用sampler聚合先限定采样范围为全局Top20，再做索引分组：

{
  "size": 0,
  "query": {
    "multi_match" : {
      "query": "some term"
    }
  },
  "aggs": {
    "global_top_samples": {
      "sampler": {
        "shard_size": 20
      },
      "aggs": {
        "by_index": {
          "terms": {
            "field": "_index"
          },
          "aggs": {
            "group_top_docs": {
              "top_hits": {
                "size": 20
              }
            }
          }
        }
      }
    }
  }
}

注：如果集群索引分片数较多，可以把shard_size适当调大到30~50，避免分片返回的Top结果不足导致全局排序精度下降，最终合并后的总文档数仍会保持在20以内。

内容的提问来源于stack exchange，提问作者Vasily Kolesnikov