Elasticsearch中基于列表内字段的文档计数聚合问题

嘿，我来帮你搞定这个Elasticsearch的聚合问题！你的核心需求是统计每个作者对应的文档数，哪怕一篇文档有多个作者，每个作者都要单独算一次——这个需求其实不难实现，咱们分两种情况来解决：

快速搞定（不用改索引映射） #

你的authors字段默认是ES的object类型，这种类型会把数组里的对象扁平化存储。你之前踩的坑是用了authors.keyword（这是把整个作者对象当成关键字），而不是针对name字段来聚合。直接对authors.name.keyword做terms聚合就能得到你要的结果：

curl -X GET "localhost:9200/news/_search?pretty" -H 'Content-Type: application/json' -d'
{
  "size": 0,  # 不需要返回具体文档，只看聚合结果
  "aggs": {
    "author_count": {
      "terms": {
        "field": "authors.name.keyword",
        "size": 100  # 按需调整显示的作者数量，默认只返回前10个
      }
    }
  }
}

如果这个请求还是没返回任何桶，先检查下你的索引映射，确认authors.name字段有没有keyword子字段。用下面的命令看映射：

curl -X GET "localhost:9200/news/_mapping?pretty"

要是name只有text类型没有keyword，可以用脚本聚合来提取名字：

curl -X GET "localhost:9200/news/_search?pretty" -H 'Content-Type: application/json' -d'
{
  "size": 0,
  "aggs": {
    "author_count": {
      "terms": {
        "script": "doc[''authors.name''].values",
        "size": 100
      }
    }
  }
}

长期优化方案：改成Nested类型映射 #

如果之后你需要对作者的多个字段（比如name和@type）做更复杂的关联聚合，或者想避免object类型扁平化带来的潜在问题，建议把authors改成nested类型。步骤很简单：

1. 先建一个带nested映射的新索引：

curl -X PUT "localhost:9200/news_new?pretty" -H 'Content-Type: application/json' -d'
{
  "mappings": {
    "properties": {
      "authors": {
        "type": "nested",  # 标记为nested类型
        "properties": {
          "name": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "@type": {
            "type": "keyword"
          }
        }
      },
      "resort": {
        "type": "keyword"
      }
      # 其他原有字段都要在这里定义哦
    }
  }
}

2. 把旧索引的数据迁移到新索引：

curl -X POST "localhost:9200/_reindex?pretty" -H 'Content-Type: application/json' -d'
{
  "source": {
    "index": "news"
  },
  "dest": {
    "index": "news_new"
  }
}

3. 用nested聚合统计作者数：
   现在你之前尝试的聚合就能正常工作了，而且能精准处理每个独立的作者对象：

curl -X GET "localhost:9200/news_new/_search?pretty" -H 'Content-Type: application/json' -d'
{
  "size": 0,
  "aggs": {
    "nested_authors": {
      "nested": {
        "path": "authors"
      },
      "aggs": {
        "author_count": {
          "terms": {
            "field": "authors.name.keyword",
            "size": 100
          }
        }
      }
    }
  }
}

为啥你之前的nested聚合报错？ #

因为你的authors字段默认是object类型，不是nested类型，ES找不到对应的嵌套路径，自然就报错啦。只有当字段被明确设置为nested类型时，才能用nested聚合来处理数组里的对象。

内容的提问来源于stack exchange，提问作者chrisl