es 使用 cardinality + collapse做分页去重查询_es collapse

1.首先我们来介绍一下cardinality的用法

cardinality 即去重计算，类似sql中 count（distinct），先去重再求和，计算指定field值的种类数。

GET/index/_search
{
  "size":0,
  "query": {
    "match_all": {}
  }
  "aggs": {
    "test_count": {
      "cardinality": {
        "field": "name"
      }
    }
  }
}
 
//返回结果
{
  //...
  "aggregations": {
    "test_count": {
      "value": 5
    }
  }
}
 

可以看到，aggregations聚合下，返回了按名字查询去重后的结果数，但是只有去重后的条数，没有具体的数据。

2.接下来我们再看一下collapse的用法

collapse是es5以后的新特性collapse ，Field Collapsing（字段折叠）不能与scroll、rescore以及search after 结合使用。

优点：简单，性能好。
注意：collapse的字段需要为keyword或者number类型。
示例：

GET /index/_search
{
    "query": {
        "match": {
            "message": "elasticsearch"
        }
    },
    "collapse" : {
        "field" : "user" 
    }
}
 
 
 
//返回结果
{
	"hits": {
		"total": 2,
		"max_score": 4.276666,
		"hits": [{
			"_index": "index",
			"_type": "type",
			"_id": "kiRgoHsBtpTqY8pwLiMi",
			"_score": 4.276666,
			"_source": {
				//数据展示
			},
			"fields": {
				"message: [
					"elasticsearch"
				]
			}
		}]
	}
}

这里可以看到，我们使用collapse对查询数据进行去重后的结果，刚好与cardinality返回的总条数完美结合，构成了分页必备的条件。

3，实战演示

下面我们随便写一个查询语句，将两者结合起来

{
    "query": {
        "bool": {
            "filter": [
                {
                    "range": {
                        "personid": {
                            "lt": "1000000000"
                        }
                    }
                },
                {
                    "bool": {
                        "should": [],
                        "minimum_should_match": 1
                    }
                },
                {
                    "term": {
                        "isDeleted": "0"
                    }
                }
            ]
        }
    },
    "collapse": {
        "field": "course_id"
    },
    "from": 0,
    "size": 10,
    "track_total_hits": true,
    "aggs": {
      "courseAgg": {
        "cardinality": {
          "field": "course_id"
        }
      }
    }
}

返回结果如下

{
  "took" : 140,
  "timed_out" : false,
  "_shards" : {
    "total" : 6,
    "successful" : 6,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2111,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [...]
  },
  "aggregations" : {
    "courseAgg" : {
      "value" : 1070
    }
  }
}

解释说明：

1.hits中total的总条数实际上是去重前的总条数，原数据条数，这里我们知道就行，分页中我们并不使用它。hits中数组的大小刚好等于courseAgg聚合的值，数组中的数据就是去重后的数据。

2.aggregations中的courseAgg条数，这个才是去重后的实际条数，也是分页用的总条数。

3.from 查询的偏移量，也就是从哪里开始查。

4.size 查询条数，一次查几条。

接下来，你就可以把它当做一个简单分页查询来用了，传入from和size就ok啦~

是不是比聚合后去重在分页简单多了？？？