ElasticSearch仅返回具有不同值的文档

Question

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" ]
          }

当我搜索最喜欢丰田车的人时，每当我查询这个数据时，它都会返回这个数据

{

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

结果是两个名为ABC的记录。如何只选择不同的文档？我想得到的结果只有这个

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

这是我的问题

{
    "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

Answer 1

@JRL几乎是正确的。您需要在查询中进行聚合。这将为您提供对象中按发生顺序排序的前10000个“favorite_cars”的列表。

{
    "query":{ "match_all":{ } },
    "size":0,
    "Distinct" : {
        "Cars" : {
            "terms" : { "field" : "favorite_cars", "order": { "_count": "desc"}, "size":10000 }
         }
    }
}

还值得注意的是，为了得到“迈凯轮F1”而不是“迈凯轮”、“F1”，您不希望对“favorite_car”字段进行分析。

"favorite_car": {
    "type": "string",
    "index": "not_analyzed"
}

Answer 2

ElasticSearch不提供任何查询，您可以通过该查询根据字段值获取不同的文档。

理想情况下，您应该为具有相同类型和id的同一文档编制索引，因为ElasticSearch使用这两件事为文档提供唯一id。唯一id很重要，这不仅是因为它可以检测重复文档，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。有关索引文档的更多信息，请阅读本文。

但肯定有解决你问题的办法。由于您使用的是java api客户端，因此可以根据字段值自行删除重复文档。事实上，它使您能够更灵活地对从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，您的地图中将有一个独特的searchHit对象地图。

您还可以创建一个对象映射，并使用它代替SearchHit。

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

谢谢

Answer 3

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name，还提供字段每个值出现的计数，并按此计数（降序）对结果进行排序。

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

除了命中之外，结果还将包含桶，其唯一值在key中，计数在doc_count中：

{
  "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
      } ]
    }
  }
}

注意，由于重复消除和结果排序，使用聚合的成本将很高。