ElasticSearch 仅返回具有不同值的文档

假设我有这个给定的数据

{
            "name" : "ABC",
            "favorite_cars" : [ "ferrari","toyota" ]
          }, {
            "name" : "ABC",
            "favorite_cars" : [ "ferrari","toyota" ]
          }, {
            "name" : "GEORGE",
            "favorite_cars" : [ "honda","Hyundae" ]
          }

每当我在搜索最喜欢的汽车是丰田的人时查询此数据时,它都会返回此数据

{

            "name" : "ABC",
            "favorite_cars" : [ "ferrari","toyota" ]
          }, {
            "name" : "ABC",
            "favorite_cars" : [ "ferrari","toyota" ]
          }

结果是两条名为 ABC 的记录。如何仅选择不同的文档?我想得到的结果只是这个

{
                "name" : "ABC",
                "favorite_cars" : [ "ferrari","toyota" ]
              }

这是我的查询

{
    "fuzzy_like_this_field" : {
        "favorite_cars" : {
            "like_text" : "toyota",
            "max_query_terms" : 12
        }
    }
}

我正在使用ElasticSearch 1.0.0。使用 java api 客户端


答案 1

您可以使用聚合消除重复。使用术语聚合,结果将按一个字段分组,例如,还提供字段每个值的计数,并将按此计数(降序)对结果进行排序。name

{
  "query": {
    "fuzzy_like_this_field": {
      "favorite_cars": {
        "like_text": "toyota",
        "max_query_terms": 12
      }
    }
  },
  "aggs": {
    "grouped_by_name": {
      "terms": {
        "field": "name",
        "size": 0
      }
    }
  }
}

除了 之外,结果还将包含 具有唯一值的 和 在 中具有计数的 :hitsbucketskeydoc_count

{
  "took" : 4,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 2,
    "max_score" : 0.19178301,
    "hits" : [ {
      "_index" : "pru",
      "_type" : "pru",
      "_id" : "vGkoVV5cR8SN3lvbWzLaFQ",
      "_score" : 0.19178301,
      "_source":{"name":"ABC","favorite_cars":["ferrari","toyota"]}
    }, {
      "_index" : "pru",
      "_type" : "pru",
      "_id" : "IdEbAcI6TM6oCVxCI_3fug",
      "_score" : 0.19178301,
      "_source":{"name":"ABC","favorite_cars":["ferrari","toyota"]}
    } ]
  },
  "aggregations" : {
    "grouped_by_name" : {
      "buckets" : [ {
        "key" : "abc",
        "doc_count" : 2
      } ]
    }
  }
}

请注意,由于重复消除和结果排序,使用聚合的成本将很高。


答案 2

ElasticSearch 不提供任何查询,通过这些查询,您可以根据字段值获取不同的文档。

理想情况下,您应该使用相同的类型ID索引相同的文档,因为ElasticSearch使用这两个东西为文档提供_uid唯一ID。唯一 ID 很重要,不仅因为它可以检测重复的文档,还可以在进行任何修改时更新同一文档,而不是插入新文档。有关为文档编制索引的详细信息,可以阅读此内容

但是,对于您的问题,肯定有一个解决方法。由于您使用的是 Java API 客户端,因此您可以根据字段值自行删除重复的文档。事实上,它使您可以更灵活地对从ES获得的响应执行自定义操作。

SearchResponse response = client.prepareSearch().execute().actionGet();
SearchHits hits = response.getHits();

Iterator<SearchHit> iterator = hits.iterator();
Map<String, SearchHit> distinctObjects = new HashMap<String,SearchHit>();
while (iterator.hasNext()) {
    SearchHit searchHit = (SearchHit) iterator.next();
    Map<String, Object> source = searchHit.getSource();
    if(source.get("name") != null){
        distinctObjects.put(source.get("name").toString(),source);
    }

} 

因此,您将在地图中拥有唯一搜索Hit对象的地图。

您还可以创建对象映射,并将其用于代替 SearchHit。

我希望这能解决您的问题。如果代码中有任何错误,请原谅我。这只是一个伪代码,让你了解如何解决你的问题。

谢谢


推荐