Elasticsearch Terms聚合结果如何按key字符串长度排序

方案1：按字符串长度升序排序 #

利用terms聚合支持按子聚合结果排序的特性，新增一个指标聚合计算每个桶key的字符串长度，再将terms的排序规则指定为按该指标升序即可。查询语句如下：

{
  "query": {其他查询约束},
  "aggs": {
    "my_values": {
      "terms": {
        "field": "foo.raw",
        "include": ".*bar.*",
        "order": {"key_length": "asc"},
        "size": N
      },
      "aggs": {
        "key_length": {
          "min": {
            "script": {
              "source": "doc['foo.raw'].value.length()",
              "lang": "painless"
            }
          }
        }
      }
    }
  }
}

说明：同一个桶内所有文档的foo.raw值相同，计算出来的长度唯一，因此这里min聚合可以替换为max/avg，效果完全一致。如果你的ES集群禁用了inline脚本，也可以在写入数据时提前把字符串长度预处理成独立的数值字段，查询时直接用该字段做子聚合排序，性能更好。

方案2：按与搜索子串的相似度排序 #

如果需要更精准的匹配度排序，可以用编辑距离（Levenshtein距离）作为排序依据，和子串差异越小的key排序越靠前：

{
  "query": {其他查询约束},
  "aggs": {
    "my_values": {
      "terms": {
        "field": "foo.raw",
        "include": ".*bar.*",
        "order": {"similarity_score": "asc"},
        "size": N
      },
      "aggs": {
        "similarity_score": {
          "min": {
            "script": {
              "source": """
                String key = doc['foo.raw'].value;
                String target = "bar";
                int[][] dp = new int[key.length() + 1][target.length() + 1];
                for (int i = 0; i <= key.length(); i++) dp[i][0] = i;
                for (int j = 0; j <= target.length(); j++) dp[0][j] = j;
                for (int i = 1; i <= key.length(); i++) {
                  for (int j = 1; j <= target.length(); j++) {
                    int cost = key.charAt(i-1) == target.charAt(j-1) ? 0 : 1;
                    dp[i][j] = Math.min(Math.min(dp[i-1][j] + 1, dp[i][j-1] + 1), dp[i-1][j-1] + cost);
                  }
                }
                return dp[key.length()][target.length()];
              """,
              "lang": "painless"
            }
          }
        }
      }
    }
  }
}

说明：如果追求更高性能，也可以根据业务需求简化相似度计算规则，比如统计子串在key中的出现位置、前后缀匹配权重等，自定义排序逻辑。

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