ElasticSearch 中的随机文档

Question

有没有办法从 elasticsearch 索引中获取真正随机的样本？即查询以 1/N 的概率从索引中检索任何文档(其中 N 是当前索引的文档数)？

作为后续问题:如果所有文档都有一些数字字段s，有没有办法通过加权随机抽样来获取文档，即获取文档的概率i 的值 s_i 等于 s_i/sum(s_j for j in index)?

Answer 1

我知道这是一个老问题，但现在可以使用 random_score , 使用以下搜索查询:

{
   "size": 1,
   "query": {
      "function_score": {
         "functions": [
            {
               "random_score": {
                  "seed": "1477072619038"
               }
            }
         ]
      }
   }
}

对我来说，处理大约 200 万份文档非常快。

我使用当前时间戳作为种子，但你可以使用任何你喜欢的东西。最好的是，如果你使用相同的种子，你会得到相同的结果。因此，您可以使用用户的 session ID 作为种子，所有用户将有不同的顺序。