Elasticsearch - 对嵌套对象列表进行脚本过滤

Question

我正试图弄清楚如何解决我在 ES 5.6 索引中遇到的这两个问题。

"mappings": {
    "my_test": {
        "properties": {
            "Employee": {
                "type": "nested",
                "properties": {
                    "Name": {
                        "type": "keyword",
                        "normalizer": "lowercase_normalizer"
                    },
                    "Surname": {
                        "type": "keyword",
                        "normalizer": "lowercase_normalizer"
                    }
                }
            }
        }
    }
}

我需要创建两个单独的脚本过滤器：

1 - 过滤员工数组大小为 == 3 的文档

2 - 过滤数组第一个元素为“Name”==“John”的文档

我试图迈出第一步，但无法遍历列表。我总是有空指针异常错误。

{
  "bool": {
    "must": {
      "nested": {
        "path": "Employee",
        "query": {
          "bool": {
            "filter": [
              {
                "script": {
                  "script" :     """

                   int array_length = 0; 
                   for(int i = 0; i < params._source['Employee'].length; i++) 
                   {                              
                    array_length +=1; 
                   } 
                   if(array_length == 3)
                   {
                     return true
                   } else 
                   {
                     return false
                   }

                     """
                }
              }
            ]
          }
        }
      }
    }
  }
}

Answer 1

正如 Val 所注意到的，在最新版本的 Elasticsearch 中，您无法在脚本查询中访问 _source 的文档。 但是弹性搜索允许您在“分数上下文”中访问这个_source。

因此，一种可能的解决方法（但您需要注意性能）是在查询中结合使用脚本分数和 min_score。

您可以在此堆栈溢出帖子Query documents by sum of nested field values in elasticsearch 中找到此行为的示例。

在你的情况下，这样的查询可以完成这项工作：

POST <your_index>/_search
{
  "min_score": 0.1,
  "query": {
    "function_score": {
      "query": {
        "match_all": {}
      },
      "functions": [
        {
          "script_score": {
            "script": {
              "source": """
              if (params["_source"]["Employee"].length === params.nbEmployee) {
                def firstEmployee = params._source["Employee"].get(0);
                if (firstEmployee.Name == params.name) {
                  return 1;
                } else {
                  return 0;
                }
              } else {
                return 0;
              }
""",
              "params": {
                "nbEmployee": 3,
                "name": "John"
              }
            }
          }
        }
      ]
    }
  }
}

应在参数中设置员工的数量和名字，以避免此脚本的每个用例都重新编译脚本。

但请记住，正如 Val 已经提到的，它对您的集群可能非常沉重。您应该通过在function_score query（在我的示例中为 match_all ）中添加过滤器来缩小您将应用脚本的文档集。 无论如何，这不是 Elasticsearch 的使用方式，你不能指望这样一个被黑的查询有出色的表现。

Answer 2

1 - 过滤员工数组大小为 == 3 的文档

对于第一个问题，最好的办法是添加另一个根级字段（例如NbEmployees），其中包含Employee 数组中的项目数，以便您可以使用range 查询和不是昂贵的script 查询。

然后，每当您修改 Employee 数组时，您也会相应地更新 NbEmployees 字段。效率更高！

2 - 过滤数组第一个元素为“Name”==“John”的文档

关于这一点，您需要知道嵌套字段是 Lucene 中的单独（隐藏）文档，因此无法在同一个查询中一次访问所有嵌套文档。

如果您知道需要在查询中检查第一个员工的姓名，只需添加另一个根级字段 FirstEmployeeName 并在该字段上运行查询。