如何在Elasticsearch中查找所有location字段互相相交的文档？

嘿，我懂你的需求了——你不是要找和某个固定圆形相交的文档，而是要揪出所有彼此的圆形location存在相交情况的文档对吧？确实，Elasticsearch原生的geo_shape查询只能帮你匹配和指定形状相交的文档，没法直接实现这种两两对比的需求。不过别担心，我们可以用Painless脚本结合Scripted Metric聚合来搞定这件事！

首先得明确两个圆形相交的判断逻辑：

假设圆A的圆心为(x1,y1)，半径r1；圆B的圆心为(x2,y2)，半径r2。计算两圆心的地球表面球面距离d（因为是地理坐标，必须用球面距离计算才准确）。当满足 |r1 - r2| ≤ d ≤ r1 + r2 时，两个圆就相交（这个条件包含内切、外切的情况，如果不需要相切，改成 < 和 > 就行）。

Elasticsearch的普通查询没法直接跨文档对比，所以我们要用Scripted Metric聚合——它能遍历所有文档，收集必要的地理信息后再做两两比较。

具体实现步骤 #

1. 执行Scripted Metric聚合查询 #

这个聚合会帮我们找出所有相交的文档对，以及所有存在相交关系的文档ID：

POST /example/_search
{
  "size": 0,
  "aggs": {
    "intersecting_circles": {
      "scripted_metric": {
        "init_script": "state.docs = [];",
        "map_script": """
          // 提取当前文档的location核心信息
          def loc = doc['location'];
          def coords = loc.coordinates;
          // 把半径从带单位的字符串转成数值（这里默认是米，其他单位要调整）
          def radius = Double.parseDouble(loc.radius.replace('m', ''));
          state.docs.add([
            id: params._id,
            lat: coords[1], // Elasticsearch的geo坐标是[lon, lat]，这里转成lat, lon方便距离计算
            lon: coords[0],
            radius: radius
          ]);
        """,
        "combine_script": "return state.docs;",
        "reduce_script": """
          // 汇总所有分片的文档数据
          def allDocs = [];
          for (shardDocs in states) {
            allDocs.addAll(shardDocs);
          }
          
          def intersectingPairs = [];
          def intersectingDocIds = new HashSet();
          
          // 两两对比所有文档
          for (int i = 0; i < allDocs.size(); i++) {
            def docA = allDocs[i];
            for (int j = i + 1; j < allDocs.size(); j++) {
              def docB = allDocs[j];
              
              // 用Elasticsearch内置工具计算两圆心的球面距离（单位：米）
              def d = docA.lat != docB.lat || docA.lon != docB.lon 
                ? org.elasticsearch.common.geo.GeoDistance.ARC.calculate(
                    docA.lat, docA.lon,
                    docB.lat, docB.lon,
                    org.elasticsearch.common.unit.DistanceUnit.METERS
                  )
                : 0;
              
              def rSum = docA.radius + docB.radius;
              def rDiff = Math.abs(docA.radius - docB.radius);
              
              // 判断是否相交
              if (d >= rDiff && d <= rSum) {
                intersectingPairs.add([docA.id, docB.id]);
                intersectingDocIds.add(docA.id);
                intersectingDocIds.add(docB.id);
              }
            }
          }
          
          // 返回结果：相交的文档对 + 所有有相交关系的文档ID
          return [
            intersecting_pairs: intersectingPairs,
            intersecting_doc_ids: new ArrayList(intersectingDocIds)
          ];
        """
      }
    }
  }
}

2. 解读聚合结果 #

执行完上面的查询后，你会得到两个关键结果：

• intersecting_pairs：所有互相相交的文档ID对（比如["doc_1", "doc_3"]表示这两个文档的圆形相交）。
• intersecting_doc_ids：所有存在相交伙伴的文档ID集合，如果你需要获取这些文档的具体内容，可以用下面的ids查询：

POST /example/_search
{
  "query": {
    "ids": {
      "values": ["doc_id_1", "doc_id_2", ...] // 替换成聚合得到的ID列表
    }
  }
}

3. 注意事项 #

• 性能优化：这个方案是O(n²)的时间复杂度，文档数量多的时候（比如上万级）会很慢。建议先用geo_bounding_box等查询过滤出一个较小的文档范围，再做聚合对比。
• 半径单位适配：脚本里默认处理的是米（m），如果你的文档里半径用的是千米（km）或者其他单位，记得修改map_script里的单位替换逻辑（比如把replace('m', '')改成replace('km', '')，然后乘以1000转成米）。
• 相切情况调整：如果不需要包含内切或外切的情况，把判断条件改成d > rDiff && d < rSum即可。

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