Elasticsearch中按class_id分组聚合student_id为列表的实现方法

嗨，这个需求用Elasticsearch的聚合功能就能搞定，核心思路就是先按class_id分组，再把每个组里的student_id收集成列表。下面给你几种可行的方案，从简单到灵活都有：

方案1：基础Terms聚合（最常用、高效） #

这是最直接的实现方式，用外层terms聚合做班级分组，内层terms聚合收集对应学生ID：

GET /your_index_name/_search
{
  "size": 0, // 不需要返回原始文档，仅获取聚合结果
  "aggs": {
    "group_by_class": {
      "terms": {
        "field": "class_id", // 按class_id字段分组
        "size": 1000 // 根据实际班级数量调整，确保覆盖所有班级
      },
      "aggs": {
        "student_ids": {
          "terms": {
            "field": "student_id", // 收集当前班级下的所有student_id
            "size": 1000 // 根据单班最大学生数调整，避免遗漏
          }
        }
      }
    }
  }
}

结果说明 #

返回的聚合结果结构大概是这样的：

{
  "aggregations": {
    "group_by_class": {
      "buckets": [
        {
          "key": 1, // 对应class_id
          "doc_count": 2, // 该班级的文档数量
          "student_ids": {
            "buckets": [
              {"key": 10, "doc_count": 1},
              {"key": 30, "doc_count": 1}
            ]
          }
        },
        {
          "key": 2,
          "doc_count": 2,
          "student_ids": {
            "buckets": [
              {"key": 20, "doc_count": 1},
              {"key": 40, "doc_count": 1}
            ]
          }
        }
      ]
    }
  }
}

你只需要从每个班级的student_ids.buckets里提取key值，就能得到学生ID列表。

方案2：Top Hits聚合（适合需获取更多字段场景） #

如果之后需要同时获取学生的其他字段（比如姓名），可以用top_hits聚合，它会返回每个分组下的原始文档片段：

GET /your_index_name/_search
{
  "size": 0,
  "aggs": {
    "group_by_class": {
      "terms": {
        "field": "class_id",
        "size": 1000
      },
      "aggs": {
        "student_details": {
          "top_hits": {
            "size": 1000,
            "_source": {
              "includes": ["student_id"] // 只保留需要的字段，减少数据传输
            }
          }
        }
      }
    }
  }
}

之后在客户端遍历student_details.hits.hits，提取每个文档的_source.student_id即可生成列表。

方案3：Scripted Metric聚合（直接生成数组） #

如果想让Elasticsearch直接返回学生ID数组，不用客户端二次处理，可以用scripted_metric聚合：

GET /your_index_name/_search
{
  "size": 0,
  "aggs": {
    "group_by_class": {
      "terms": {
        "field": "class_id",
        "size": 1000
      },
      "aggs": {
        "student_ids_array": {
          "scripted_metric": {
            "init_script": "state.students = []", // 初始化空数组
            "map_script": "state.students.add(doc['student_id'].value)", // 遍历文档添加ID
            "combine_script": "return state.students", // 分组合并结果
            "reduce_script": "def allStudents = []; for (s in states) { allStudents.addAll(s); } return allStudents" // 合并分片结果
          }
        }
      }
    }
  }
}

这个方案返回的student_ids_array.value就是直接的学生ID数组，完全符合你想要的{class_id: 1, student_ids: [10,30]}结构。

小提示 #

• 所有size参数都要根据你的实际数据量调整，确保不会因为数值太小而丢失数据；
• 如果student_id是文本类型，需要用student_id.keyword作为聚合字段（前提是字段有keyword子字段）。

内容的提问来源于stack exchange，提问作者user3325210