如何用Elasticsearch获取仅拥有指定唯一状态值的文档？

首先，你的需求是找出所有仅存在"open"状态记录的邮箱对应的文档，排除那些有其他状态（比如"click"）的邮箱的所有记录。你之前的聚合查询只统计了包含"open"状态的邮箱数量，但没有排除那些同时拥有其他状态的邮箱，所以达不到预期效果。

正确的实现思路 #

我们需要分两步来完成：

1. 先通过聚合找出所有仅拥有"open"这一种状态的邮箱列表
2. 用这个邮箱列表查询对应的所有文档

第一步：聚合筛选符合条件的邮箱 #

使用terms聚合按邮箱分组，再统计每个邮箱的所有状态，最后用bucket_selector过滤出状态仅为"open"的邮箱：

{
  "size": 0,
  "aggs": {
    "group_by_email": {
      "terms": {
        "field": "email.keyword",
        "size": 10000 // 根据你的数据量调整这个数值，确保覆盖所有邮箱
      },
      "aggs": {
        "all_statuses": {
          "terms": {
            "field": "status.keyword",
            "size": 10 // 覆盖可能存在的所有状态数量
          }
        },
        "has_only_open": {
          "bucket_selector": {
            "buckets_path": {
              "status_count": "all_statuses._bucket_count"
            },
            "script": "params.status_count == 1 && params._bucket.all_statuses.buckets[0].key == 'open'"
          }
        }
      }
    }
  }
}

这个查询会返回所有仅拥有"open"状态的邮箱，比如你示例数据里的2@123.com和3@123.com。

第二步：查询对应邮箱的文档 #

拿到第一步得到的邮箱列表后，用terms查询获取这些邮箱的所有文档：

{
  "query": {
    "terms": {
      "email.keyword": ["2@123.com", "3@123.com"] // 替换为第一步聚合得到的邮箱列表
    }
  }
}

（可选）一步到位的脚本查询（适合小数据集） #

如果你想一次性完成查询，可以使用script查询，但这种方式性能较低，不建议用于大数据量场景：

{
  "query": {
    "bool": {
      "must": [
        {"term": {"status.keyword": "open"}}
      ],
      "filter": {
        "script": {
          "script": {
            "source": "!ctx._index.existsQuery('email.keyword:' + doc['email.keyword'].value + ' AND status.keyword:(* NOT open)').exists()"
          }
        }
      }
    }
  }
}

这个脚本会检查当前邮箱是否存在非"open"状态的记录，如果不存在则保留该文档。

为什么你的原始查询无效？ #

你的聚合只过滤了status=open的文档，然后统计这些文档中的email数量，但没有考虑这些email是否还有其他状态的记录。比如1@123.com有"click"状态的记录，但它的"open"状态文档会被纳入统计，所以你的查询结果会包含它，不符合预期。

内容的提问来源于stack exchange，提问作者steven