如何在Elasticsearch中基于subid字段的下划线前缀部分分组查询结果

嘿，我懂你要啥了——你想把subid里下划线前面的部分（比如1_1a里的1）作为分组依据，每组只返回一个文档对吧？其实用Elasticsearch的**聚合（Aggregation）**加上top_hits就能轻松实现，我给你拆解一下具体怎么做：

方法一：直接用脚本在查询时提取前缀 #

如果不想修改现有索引的映射或数据，我们可以在聚合的时候用脚本动态提取subid的前缀：

GET /your_index/_search
{
  "size": 0, // 不返回原始匹配文档，只聚焦聚合结果，更高效
  "aggs": {
    "group_by_subid_prefix": {
      "terms": {
        "script": {
          "source": "doc['subid.keyword'].value.split('_')[0]"
          // 注意用subid.keyword，确保是不分词的原始字符串
          // 按下划线分割后取第一个元素作为分组键
        }
      },
      "aggs": {
        "top_matching_document": {
          "top_hits": {
            "size": 1, // 每个分组只返回1个文档
            "sort": [{"id": "asc"}] // 可选：指定排序规则，确保返回你想要的那个文档
          }
        }
      }
    }
  }
}

执行这个查询后，你会在aggregations.group_by_subid_prefix.buckets里看到每个前缀分组，每个桶里的top_matching_document.hits.hits就是该组对应的单个文档。

方法二：提前生成前缀字段（推荐，性能更好） #

如果需要频繁按这个前缀分组，最好在索引文档时就把前缀单独存为一个字段（比如subid_prefix），这样查询时不用每次执行脚本，性能会提升很多。

你可以用Ingest Pipeline来自动提取前缀：

// 创建一个提取前缀的管道
PUT _ingest/pipeline/subid_prefix_extractor
{
  "processors": [
    {
      "script": {
        "source": "ctx.subid_prefix = ctx.subid.split('_')[0]"
      }
    }
  ]
}

之后索引文档时指定这个管道，或者把它设为索引的默认管道，这样新文档都会自动带上subid_prefix字段。之后聚合就可以直接用这个字段：

GET /your_index/_search
{
  "size": 0,
  "aggs": {
    "group_by_subid_prefix": {
      "terms": {
        "field": "subid_prefix.keyword"
      },
      "aggs": {
        "top_matching_document": {
          "top_hits": {
            "size": 1,
            "sort": [{"id": "asc"}]
          }
        }
      }
    }
  }
}

这样不仅查询更快，逻辑也更清晰，适合长期使用的场景。

备注：内容来源于stack exchange，提问作者noobmaster69