ElasticSearch Aggregations - （术语？）查询中的 sum_other_doc_count？答案

【问题标题】：ElasticSearch Aggregations - sum_other_doc_count in a (Term?) Query?ElasticSearch Aggregations - （术语？）查询中的 sum_other_doc_count？
【发布时间】：2015-02-13 02:41:21
【问题描述】：

默认情况下，术语聚合为我提供前 10 个最受欢迎的术语及其计数，然后是表示“其他”项目的 sum_other_doc_count 字段。

我可以向用户显示这些：

first (150)
second (122)
third(111)
...
other(19)

...然后用户可以通过选择其中一项来过滤他们的结果。我使用他们选择的术语应用 TermFilter。工作正常。

...但是.......有没有办法可以创建一个代表“其他”的过滤器（即除前 10 名之外的所有术语）？

【问题讨论】：

标签： elasticsearch aggregation

【解决方案1】：

我不这么认为。不过，您可以使用terms 和not 过滤器将相关（但不完全相同）的内容组合在一起，这将返回所有未出现最重要术语的文档。为简单起见，我将使用前 5 个。

所以我创建了一个索引并添加了一些随机的拉丁文本：

PUT /test_index
{
    "settings": {
        "number_of_shards": 1,
        "number_of_replicas": 0
    }
}

POST /test_index/_bulk
{"index":{"_index":"test_index","_type":"doc"}}
{"text": "Lorem ipsum dolor sit amet, consectetur adipiscing elit. Donec rhoncus dictum ligula, quis volutpat diam fringilla ut."}
{"index":{"_index":"test_index","_type":"doc"}}
{"text": "Nulla ac gravida ipsum. Pellentesque placerat mattis pharetra. Praesent sapien lorem, auctor in imperdiet vel, lacinia vel diam."}
{"index":{"_index":"test_index","_type":"doc"}}
{"text": "Mauris a risus ut eros posuere rutrum. Nunc scelerisque diam ex, consequat mollis sem facilisis in."}
{"index":{"_index":"test_index","_type":"doc"}}
{"text": "Maecenas lacinia sollicitudin ultricies. Aenean id eleifend sapien. In et justo accumsan, cursus mi vel, consectetur augue. Nullam in quam ac magna iaculis finibus quis ut risus."}
{"index":{"_index":"test_index","_type":"doc"}}
{"text": "Donec dolor eros, rhoncus ultricies quam et, dapibus egestas libero."}

然后得到前 5 个术语：

POST /test_index/_search?search_type=count
{
    "aggs": {
        "top_terms":{
            "terms":{
                "field": "text",
                "size": 5
            }
        }
    }
}
...
{
   "took": 4,
   "timed_out": false,
   "_shards": {
      "total": 1,
      "successful": 1,
      "failed": 0
   },
   "hits": {
      "total": 5,
      "max_score": 0,
      "hits": []
   },
   "aggregations": {
      "top_terms": {
         "buckets": [
            {
               "key": "diam",
               "doc_count": 3
            },
            {
               "key": "in",
               "doc_count": 3
            },
            {
               "key": "ut",
               "doc_count": 3
            },
            {
               "key": "ac",
               "doc_count": 2
            },
            {
               "key": "consectetur",
               "doc_count": 2
            }
         ]
      }
   }
}

然后我可以构建一个过滤器，返回没有出现前 5 个术语的文档，例如：

POST /test_index/_search
{
   "query": {
      "constant_score": {
         "filter": {
            "not": {
               "filter": {
                  "terms": {
                     "text": [
                        "diam",
                        "in",
                        "ut",
                        "ac",
                        "consectetur"
                     ]
                  }
               }
            }
         },
         "boost": 1.2
      }
   }
}
...
{
   "took": 2,
   "timed_out": false,
   "_shards": {
      "total": 1,
      "successful": 1,
      "failed": 0
   },
   "hits": {
      "total": 1,
      "max_score": 1,
      "hits": [
         {
            "_index": "test_index",
            "_type": "doc",
            "_id": "4uoLr70rRXulHHc7N3Ujmw",
            "_score": 1,
            "_source": {
               "text": "Donec dolor eros, rhoncus ultricies quam et, dapibus egestas libero."
            }
         }
      ]
   }
}

我知道这并不能真正回答你的问题，但也许它会给你一些想法。

这是我使用的代码（如果您使用的是 ES 1.4，则必须打开 CORS 才能在浏览器中使用该代码）：

http://sense.qbox.io/gist/93b69375c5491f1b0458e2053a08e65006f34a1c

【讨论】：