ElasticSearch - Zwróć unikalne wartości

Jak uzyskać wartości wszystkich languagesrekordów i uczynić je wyjątkowymi.

Dokumentacja

PUT items/1
{ "language" : 10 }

PUT items/2
{ "language" : 11 }

PUT items/3
{ "language" : 10 }

Pytanie

GET items/_search
{ ... }

# => Expected Response
[10, 11]

Każda pomoc byłaby świetna.

Możesz użyć terminów agregacja .

{
"size": 0,
"aggs" : {
    "langs" : {
        "terms" : { "field" : "language",  "size" : 500 }
    }
}}

Wyszukiwanie zwróci coś takiego:

{
"took" : 16,
"timed_out" : false,
"_shards" : {
  "total" : 2,
  "successful" : 2,
  "failed" : 0
},
"hits" : {
"total" : 1000000,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
  "langs" : {
    "buckets" : [ {
      "key" : "10",
      "doc_count" : 244812
    }, {
      "key" : "11",
      "doc_count" : 136794

    }, {
      "key" : "12",
      "doc_count" : 32312
       } ]
    }
  }
}

sizeParametr ciągu Określa agregacji maksymalną liczbę terminów do uwzględnienia w wyniku agregacji. Jeśli potrzebujesz wszystkich wyników, ustaw to na wartość większą niż liczba unikalnych terminów w Twoich danych.

Elasticsearch 1.1+ ma agregację liczebności, która daje unikalną liczbę

Zauważ, że jest to w rzeczywistości przybliżenie, a dokładność może spaść w przypadku zestawów danych o wysokiej kardynalności, ale generalnie jest dość dokładna w moich testach.

Możesz także dostroić dokładność za pomocą precision_thresholdparametru. Kompromisem jest oczywiście użycie pamięci.

Ten wykres z dokumentacji pokazuje, jak wyższy precision_thresholdprowadzi do znacznie dokładniejszych wyników.

Ja też szukam tego typu rozwiązania dla siebie. Znalazłem odniesienie w kategoriach agregacji .

Tak więc, zgodnie z tym, właściwe rozwiązanie jest następujące.

{
"aggs" : {
    "langs" : {
        "terms" : { "field" : "language",  
                    "size" : 500 }
    }
}}

Ale jeśli napotkasz następujący błąd:

"error": {
        "root_cause": [
            {
                "type": "illegal_argument_exception",
                "reason": "Fielddata is disabled on text fields by default. Set fielddata=true on [fastest_method] in order to load fielddata in memory by uninverting the inverted index. Note that this can however use significant memory. Alternatively use a keyword field instead."
            }
        ]}

W takim przypadku musisz dodać „ KEYWORD ” w żądaniu, na przykład:

   {
    "aggs" : {
        "langs" : {
            "terms" : { "field" : "language.keyword",  
                        "size" : 500 }
        }
    }}

jeśli chcesz uzyskać pierwszy dokument dla każdej languageunikalnej wartości pola, możesz to zrobić:

{
 "query": {
    "match_all": {
    }
  },
  "collapse": {
    "field": "language.keyword",
    "inner_hits": {
    "name": "latest",
      "size": 1
    }
  }
}

Jeśli chcesz uzyskać wszystkie unikalne wartości bez żadnego przybliżenia lub ustawiania magicznej liczby ( size: 500), użyj AGREGACJI KOMPOZYTU (ES 6.5+) .

Z oficjalnej dokumentacji :

„Jeśli chcesz pobrać wszystkie terminy lub wszystkie kombinacje terminów w zagnieżdżonej agregacji terminów , powinieneś użyć AGREGACJI ZŁOŻONEJ, która umożliwia stronicowanie wszystkich możliwych terminów zamiast ustawiania rozmiaru większego niż liczność pola w agregacji terminów. agregacja terminów ma na celu zwrócenie najpopularniejszych terminów i nie pozwala na podział na strony ”.

Przykład implementacji w JavaScript:

const ITEMS_PER_PAGE = 1000;

const body =  {
    "size": 0, // Returning only aggregation results: https://www.elastic.co/guide/en/elasticsearch/reference/current/returning-only-agg-results.html
    "aggs" : {
        "langs": {
            "composite" : {
                "size": ITEMS_PER_PAGE,
                "sources" : [
                    { "language": { "terms" : { "field": "language" } } }
                ]
            }
        }
     }
};

const uniqueLanguages = [];

while (true) {
  const result = await es.search(body);

  const currentUniqueLangs = result.aggregations.langs.buckets.map(bucket => bucket.key);

  uniqueLanguages.push(...currentUniqueLangs);

  const after = result.aggregations.langs.after_key;

  if (after) {
      // continue paginating unique items
      body.aggs.langs.composite.after = after;
  } else {
      break;
  }
}

console.log(uniqueLanguages);