如何在Elasticsearch中对distinct字段忽略空格进行聚合？

这个问题的核心原因是你的group字段大概率使用了默认的text类型——这种类型会被Elasticsearch的标准分词器（Standard Analyzer）按空格拆分，所以像"bank 2"这样的字段值会被拆成bank和2两个独立的词项，聚合时自然就分成了两个bucket。

下面是几种可行的解决方案，按推荐程度排序：

1. 重新创建索引并设置keyword类型（推荐，适合新数据或可重新索引场景） #

如果你的数据还没写入，或者可以承受重新索引的成本，直接把group字段定义为keyword类型即可——keyword类型不会对字段值进行分词，会完整保留原始字符串：

首先创建带有正确映射的索引：

PUT /test1
{
  "mappings": {
    "properties": {
      "group": {
        "type": "keyword"
      }
    }
  }
}

然后重新导入你的数据，再执行原来的聚合请求，就能得到"bank 2"这样的完整key了。

2. 添加multi-field子字段（适合已有数据无法重新建索引的场景） #

如果已经有大量数据不想重新建索引，可以给group字段添加一个keyword类型的子字段，然后基于这个子字段做聚合：

第一步：更新索引映射 #

PUT /test1/_mapping
{
  "properties": {
    "group": {
      "type": "text",
      "fields": {
        "keyword": {
          "type": "keyword",
          "ignore_above": 256 // 限制字段长度，可根据实际调整
        }
      }
    }
  }
}

第二步：重新索引现有数据 #

因为旧数据不会自动生成子字段的内容，需要执行_update_by_query来触发字段重新生成：

POST /test1/_update_by_query?conflicts=proceed

第三步：修改聚合请求使用子字段 #

把聚合的字段改成group.keyword：

{
  "size" : 0,
  "aggs" : {
    "distinct_groups" : {
      "terms" : {
        "field" : "group.keyword",
        "size" : 500
      }
    }
  }
}

3. 临时脚本聚合（不推荐，仅用于小数据量应急） #

如果以上两种方法都暂时无法实施，可以用脚本直接读取文档的原始字段值做聚合，但这种方式性能很差（需要加载每个文档的_source），只适合小数据量场景：

{
  "size" : 0,
  "aggs" : {
    "distinct_groups" : {
      "terms" : {
        "script": "_source.group",
        "size" : 500
      }
    }
  }
}

总结一下：text类型适合全文搜索，而keyword类型适合需要精确匹配、聚合的场景——如果你的group字段主要用于聚合和精确查询，应该优先使用keyword类型。

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