Elasticsearch 6.2父子关系下NamedEntity聚合统计问题

嗨，看来你已经搞定了mention字段的次数统计，接下来要拿到每个命名实体对应的父文档数量其实很简单——咱们只需要在现有的terms聚合下面嵌套一个reverse_nested聚合，再配合cardinality聚合来统计唯一的父文档即可。

针对你的场景，这里有一份适配Elasticsearch 6.2的完整查询DSL：

GET /your_index_name/_search
{
  "size": 0,  // 不返回具体文档，只保留聚合结果
  "query": {
    "bool": {
      "filter": [
        { "term": { "join_field": "NamedEntity" } }  // 只针对子文档NamedEntity做聚合
      ]
    }
  },
  "aggs": {
    "mention_stats": {
      "terms": {
        "field": "mention.keyword",  // 注意用keyword类型字段做terms聚合
        "size": 100  // 按需调整返回的聚合桶数量
      },
      "aggs": {
        "parent_doc_count": {
          "reverse_nested": {},  // 跳转到父文档Document的上下文
          "aggs": {
            "unique_parents": {
              "cardinality": {
                "field": "_id"  // 统计父文档的唯一ID数量
              }
            }
          }
        }
      }
    }
  }
}

关键部分解释： #

• 外层terms聚合：mention_stats会按mention字段的不同值分组，每个桶里的doc_count就是你之前得到的该实体的出现次数。
• reverse_nested聚合：这个聚合的作用是从子文档NamedEntity“跳回”到它关联的父文档Document，让我们能基于父文档的属性做统计。
• cardinality聚合：unique_parents会统计父文档ID的唯一值数量，也就是每个命名实体对应的父文档总数。

返回结果示例： #

你会在聚合结果里看到类似这样的结构：

{
  "aggregations": {
    "mention_stats": {
      "buckets": [
        {
          "key": "Elasticsearch",
          "doc_count": 3,  // mention出现的总次数
          "parent_doc_count": {
            "unique_parents": {
              "value": 2  // 包含该实体的父文档数量
            }
          }
        }
      ]
    }
  }
}

另外，如果你的子文档里已经存储了parent_id字段（就是父文档的ID），也可以简化一下，不用reverse_nested，直接在terms聚合下面嵌套一个cardinality聚合统计parent_id.keyword的唯一值，这样性能可能更好：

"aggs": {
  "mention_stats": {
    "terms": {
      "field": "mention.keyword"
    },
    "aggs": {
      "unique_parent_count": {
        "cardinality": {
          "field": "parent_id.keyword"
        }
      }
    }
  }
}

这个方式更直接，因为子文档本身就持有父ID，不需要跳转上下文，结果和之前的方案是一致的。

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