Elasticsearch 5.4：嵌套文档多事件重复展示及排序方案咨询

针对你的需求——把嵌套的事件数据拆分为单独结果行，同时按MONTH-DAY DESC、YEAR ASC全局排序，且无法在应用层处理百万级数据——在ES5.4中有两种可行的原生方案，取决于你是否能修改现有索引结构：

方案一：改用Parent-Child文档结构（推荐，适合大规模数据） #

如果你的数据还能重新索引，这是最直接的方案，因为它把每个事件变成独立的文档，天然支持全局排序和单独返回。

核心特性：Parent-Child关系 #

ES的Parent-Child允许你将主文档（比如person）和附属事件文档（比如event）关联起来，同时保持各自的独立性。每个事件作为单独的event文档存储，这样你可以直接搜索事件，关联主文档信息，并按自定义规则排序。

步骤1：创建带Parent-Child映射的索引

PUT /people
{
  "mappings": {
    "person": {
      "properties": {
        "id": {"type": "keyword"},
        "fullName": {"type": "text"}
      }
    },
    "event": {
      "_parent": {"type": "person"},
      "properties": {
        "event_data_type": {"type": "keyword"},
        "event_date": {"type": "date"}
      }
    }
  }
}

步骤2：重新导入数据

• 先导入主文档（person类型），比如：

  PUT /people/person/ID1
  {
    "id": "ID1",
    "fullName": "John Smith"
  }
  

• 再导入对应的事件文档，指定parent为对应主文档的ID：

  PUT /people/event/1?parent=ID1
  {
    "event_data_type": "BD",
    "event_date": "1971-12-30T00:00:00Z"
  }
  

步骤3：搜索并排序事件

直接搜索event类型文档，通过inner_hits获取关联的主文档信息，同时用脚本排序实现你的自定义排序规则：

GET /people/event/_search
{
  "_source": ["event_data_type", "event_date"],
  "query": {"match_all": {}},
  "sort": [
    {
      "_script": {
        "type": "string",
        "script": {"inline": "doc['event_date'].value.format('MM-dd')"},
        "order": "desc"
      }
    },
    {
      "_script": {
        "type": "number",
        "script": {"inline": "doc['event_date'].value.year"},
        "order": "asc"
      }
    }
  ],
  "inner_hits": {
    "parent": {
      "type": "person",
      "_source": ["id", "fullName"]
    }
  }
}

返回的每个结果都是一个独立的事件，附带主文档的id和fullName，完全符合你期望的输出结构，且排序是全局生效的。

方案二：基于现有Nested类型（无需重新索引） #

如果无法重新索引，你可以利用Nested类型 + Inner Hits + 脚本排序，配合Scroll API分批处理结果，避免应用层内存溢出。

核心特性： #

1. Nested类型：确保ES能独立处理每个嵌套事件（你应该已经配置了这个）。
2. Inner Hits：在返回主文档的同时，返回匹配的嵌套事件列表。
3. 脚本排序：实现MONTH-DAY DESC、YEAR ASC的自定义排序逻辑。
4. Scroll API：分批获取结果，降低应用层单次处理的数据量。

搜索DSL示例

GET /your_index/_search?scroll=1m
{
  "query": {
    "nested": {
      "path": "eventsData",
      "query": {"match_all": {}},
      "inner_hits": {
        "size": 100, // 每个主文档返回的最大事件数，根据你的数据调整
        "_source": ["event_data_type", "event_date"],
        "sort": [
          {
            "_script": {
              "type": "string",
              "script": {"inline": "doc['eventsData.event_date'].value.format('MM-dd')"},
              "order": "desc"
            }
          },
          {
            "_script": {
              "type": "number",
              "script": {"inline": "doc['eventsData.event_date'].value.year"},
              "order": "asc"
            }
          }
        ]
      }
    }
  },
  "_source": ["id", "fullName"],
  "size": 1000 // 每次scroll返回的主文档数
}

注意事项 #

• 这个方案需要应用层遍历每个主文档的inner_hits，将主文档信息与每个事件组合成单独的结果行。但通过Scroll API分批处理，每次只处理少量数据，不会造成内存压力。
• 由于主文档的排序无法直接对应全局事件的排序，如果你需要严格的全局排序，方案一更合适。

总结：如果能重新索引，优先选择Parent-Child方案；如果不能，用Nested+Inner Hits+Scroll的组合，分批处理结果。

内容的提问来源于stack exchange，提问作者inferno88